論文の概要: What and Where in Identifying and Quantifying Conventions in Humans and AI Agents

• arxiv url: http://arxiv.org/abs/2610.20205v1
• Date: Wed, 14 Oct 2026 13:49:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.176827
• Title: What and Where in Identifying and Quantifying Conventions in Humans and AI Agents
• Title（参考訳）: 人間とAIエージェントの規約の特定と定量化の方法と方法
• Abstract要約: カードゲーム「はなび」では、受信したヒントと見ているカードから、プレイが失敗する正確な確率を計算することができる。 コンベンションを使用するプレイヤーは、この予測よりも頻繁に成功します。 オフビリーフ学習は、第1レベルが構築による慣例を使わないエージェントの階層を提供し、後期レベルが徐々に使用するエージェントの階層を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cooperative success rests in part on implicit communication. Partners converge on conventions: regularities that give an action meaning beyond its direct effect. Yet conventions are usually observed only indirectly: a score drop when partners are swapped shows that a convention existed, but not what it was or where it was used. In the card game Hanabi, the exact probability that a play fails can be computed from the hints received and the cards in view. Players who use conventions succeed more often than this prediction allows; the resulting margin is the convention gap. Off-belief learning provides a hierarchy of agents (levels 1-5) whose first level uses no conventions by construction and whose later levels use progressively more. For humans and these agents on one scale, we ask what the conventions are and where they are used. On what: in two independently collected corpora of human games, humans show a larger gap than every agent level. On the conventions both populations use, however, humans do no better than level 2. The human advantage is concentrated in a situation that no agent level learns to use: hints that point to a card other than the ones they touch. On where: conventions depend on what the player already knows about the card, not on how recently it was hinted, and they are used most in the mid-game; humans use them earlier and later in the game than the agents. In interventions on the agents, blocking a single high-gap situation costs little, because meaning reroutes to other situations, but blocking several together costs far more than the sum of the single costs. Thus, the convention gap turns conventions from an inferred cause of score loss into a measurable, comparable, and causally testable object.
• Abstract（参考訳）: 協調的な成功は、部分的には暗黙のコミュニケーションにかかっている。 パートナーはコンベンション(コンベンション)に収束する。 しかし、コンベンションは通常間接的にのみ観察される: パートナーがスワップされたときのスコアダウンは、コンベンションが存在することを示すが、それが何であったか、どこで使用されたかは示さない。 カードゲーム「はなび」では、受信したヒントと見ているカードから、プレイが失敗する正確な確率を計算することができる。 コンベンションを使用するプレイヤーは、この予測よりも頻繁に成功し、結果としてのマージンはコンベンションギャップである。 オフビリーフ学習はエージェントの階層(レベル1-5)を提供する。 人間とエージェントの1つのスケールでは、コンベンションとは何か、どこで使われているのかを問う。 2つの独立したゲームコーパスにおいて、人間はすべてのエージェントレベルよりも大きなギャップを示す。 しかし、両集団が使用する慣習では、人間はレベル2以上である。 人間のアドバンテージは、エージェントレベルが誰も使うことを学ばない状況に集中している。 コンベンションは、プレイヤーがカードについて既に知っているものに依存し、どれだけ最近示唆されたかではなく、ゲーム中盤で最も多く使用される。 エージェントの介入では、1つのハイギャップな状況をブロックするコストは少なく、それは他の状況に還元することを意味するが、複数の組み合わせをブロックするコストは1つのコストの合計よりもはるかに高い。 このように、コンベンションギャップは、スコア損失の推測された原因から、測定可能で、同等で、因果的にテスト可能なオブジェクトへと、コンベンションを転換する。

関連論文リスト

• Do LLMs Act on What They Know? From Partner Representations to Cooperative Actions [50.59575731390721]
  馴染みのないパートナーとの協力は、事前に知られていないコミュニケーション慣行に適応する必要がある。 一般ルールや外部計算されたアクションレコメンデーションとして提示されるプローブ予測および地道規則を比較した。 Qwen3-8Bのケーススタディでは、一致ステートステートステートの逆転はルールステートよりもアクションレコメンデーションに対する感受性が高いことが示されている。
  論文  参考訳（メタデータ） (2026-10-06T10:44:55Z)
• The Convention Gap: Towards Measuring Implicit Communication in Cooperative AI Evaluation [3.3765704035398456]
  本稿では,通信のリテラル内容から予測される故障確率と,観測された故障率との差であるコンベンションギャップを提案する。 カードゲーム「はなび」では、有限デッキと決定論的ヒント制約が、この後続を正確に計算可能である。 AI-AIのパフォーマンスではなく、コンベンションの互換性が、AIが人間のパートナーと有効であることを予測できることを示します。
  論文  参考訳（メタデータ） (2026-09-10T12:57:03Z)
• Benchmarking large language model agent societies against human behavioural distributions [0.0]
  大規模言語モデルエージェントの人口は、実験社会としてますます利用されている。 3つの疑念は、エージェントが人間のように振る舞うかどうか、発見が残されるかどうか、ルールを変更せずに残す装置の変更、そして明らかな社会的ダイナミクスが、モデルが読んだ実験の再現ではなく相互作用であるかどうか、などである。 この記事では、SILICAを紹介します。
  論文  参考訳（メタデータ） (2026-08-28T10:50:32Z)
• Leading the Pack: N-player Opponent Shaping [52.682734939786464]
  我々は、複数のコプレーヤと複数のシェーピングエージェントを含む環境に、対向型シェーピング(OS)メソッドを拡張します。 多数のコプレーヤでプレイすると,OSメソッドの相対的な性能が低下し,OSメソッドが動作しない可能性が示唆された。
  論文  参考訳（メタデータ） (2023-12-19T20:01:42Z)
• Diverse Conventions for Human-AI Collaboration [35.82096421305207]
  コンベンションは、協調型マルチエージェントゲームにおける強力なパフォーマンスに不可欠である。 標準的な強化学習技術は、任意で非多変数の慣習に収束する。 本稿では,自己演奏時の報酬を最大化することにより,多様な慣習を創出する手法を提案する。 我々の技術は人間の慣行に適応し、実際のユーザとペアリングした場合、人間レベルのパフォーマンスを上回ることが分かりました。
  論文  参考訳（メタデータ） (2023-10-24T00:07:20Z)
• Are AlphaZero-like Agents Robust to Adversarial Perturbations? [73.13944217915089]
  AlphaZero(AZ)は、ニューラルネットワークベースのGo AIが人間のパフォーマンスを大きく上回ることを示した。 私たちは、Go AIが驚くほど間違った行動を起こさせる可能性のある、敵対的な状態が存在するかどうか尋ねる。 我々は、Go AIに対する最初の敵攻撃を開発し、探索空間を戦略的に減らし、効率よく敵の状態を探索する。
  論文  参考訳（メタデータ） (2022-11-07T18:43:25Z)
• On the Critical Role of Conventions in Adaptive Human-AI Collaboration [73.21967490610142]
  規則依存表現と規則依存表現を区別する学習フレームワークを提案する。 複雑性が異なる3つの共同作業に対するアプローチを実験的に検証します。
  論文  参考訳（メタデータ） (2021-04-07T02:46:19Z)
• Multi-Agent Collaboration via Reward Attribution Decomposition [75.36911959491228]
  本稿では,StarCraftのマルチエージェントチャレンジにおいて,最先端のパフォーマンスを実現するコラボレーション型Q-ラーニング(CollaQ)を提案する。 CollaQは様々なStarCraft属性マップで評価され、既存の最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-16T17:42:11Z)
• "Other-Play" for Zero-Shot Coordination [21.607428852157273]
  その他の遊び学習アルゴリズムは、より堅牢な戦略を探すことによって、セルフプレイを強化する。 本研究では,協力型カードゲーム「はなび」について検討し,OPエージェントが単独で訓練されたエージェントとペアを組むと,より高いスコアが得られることを示す。
  論文  参考訳（メタデータ） (2020-03-06T00:39:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。