論文の概要: Game of Phones: Harnessing Game Theory and LLMs in 'Bot Wars' to Counteract Phone Scams

• arxiv url: http://arxiv.org/abs/2610.26781v1
• Date: Mon, 19 Oct 2026 17:35:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 01:31:38.673483
• Title: Game of Phones: Harnessing Game Theory and LLMs in 'Bot Wars' to Counteract Phone Scams
• Title（参考訳）: ゲーム・オブ・電話:「ボット・ウォーズ」のゲーム理論とLLMが電話詐欺に対抗
• Abstract要約: 電話詐欺は、世界中の個人や金融システムに実質的かつ増大するコストを課している。 我々は,ゲーム理論のフレームワークを導入し,LLMが文脈内体験を通じて,微調整なしで効果的な逆戦略を学習できるようにする。 300以上の模擬対話において、適応戦略選択は、非適応的ベースラインよりもナッシュ平衡に28.9-79.7%近い一致を達成する。
• 参考スコア（独自算出の注目度）: 2.785896833180841
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Phone scams impose substantial and growing costs on individuals and financial systems worldwide, yet existing countermeasures impose no resource cost on perpetrators. Strategic scam-baiting, in which automated agents engage scammers to deplete their operational capacity, offers a proactive alternative but requires dynamic strategy adaptation that static systems cannot provide. We introduce a game-theoretic framework enabling LLMs to learn effective counter-strategies through in-context experience without fine-tuning. The framework models scammer-baiter interactions as a two-player game with empirically grounded strategies and utility functions, using Nash equilibrium as a formal benchmark for evaluating learned behaviour. Across 300 simulated dialogues and three LLM architectures, adaptive strategy selection achieves 28.9-79.7% closer alignment to Nash equilibrium than non-adaptive baselines. The code and an annotated dataset of 300 dialogues with turn-level strategy labels and utility scores are released at https://github.com/nardinebasta/GameofPhones_/ .
• Abstract（参考訳）: 電話詐欺は世界中で個人や金融システムに相当なコストを課すが、既存の対策では加害者には資源コストを課さない。 自動エージェントがスカマーを動作能力の低下に役立てるストラテジック詐欺は、積極的な代替手段を提供するが、静的システムでは提供できない動的な戦略適応を必要とする。 我々は,ゲーム理論のフレームワークを導入し,LLMが文脈内体験を通じて,微調整なしで効果的な逆戦略を学習できるようにする。 フレームワークモデルでは、学習行動を評価するための公式なベンチマークとしてナッシュ平衡を用いて、経験的に基礎付けられた戦略とユーティリティ関数を持つ2人プレイヤゲームとして、スカマー・バイター相互作用をモデル化する。 300以上の模擬対話と3つのLLMアーキテクチャ、適応戦略選択は、非適応的ベースラインよりもナッシュ平衡に28.9-79.7%近い一致を達成する。 コードと300の対話とターンレベルの戦略ラベルとユーティリティスコアの注釈付きデータセットはhttps://github.com/nardinebasta/GameofPhones_/で公開されている。

関連論文リスト

• SAGE: Structured Strategic Reasoning for Efficient LLM Game Playing [13.650142582623216]
  SAGEは、LLMの戦略的推論を3つの協調操作を中心に構築する、トレーニング不要な推論時間フレームワークである。 戦略的に関係した相互作用を、以前に欠落した考慮事項に関する反実的な仮説に蒸留する。 推論集約的なLSMエージェントと比較すると、SAGEはLiar's Diceの127.6%の改善を達成している。
  論文  参考訳（メタデータ） (2026-09-28T05:20:04Z)
• Policy Optimization and Statistical Inference for Online Contextual Matrix Games [33.65008472736867]
  オンラインゲームにコンテキスト情報を統合するために,エンフォリンコンテキスト行列ゲームを導入する。 また,オンライン学習アルゴリズムであるemphOnGameLearnを提案する。 OnGameLearnは、戦略的かつ文脈的な意思決定の課題を効果的にナビゲートする。
  論文  参考訳（メタデータ） (2026-08-17T22:16:10Z)
• Stateful Cooperative Agents Safeguarding LLMs Against Evolving Multi-Turn Attacks [56.45762972211923]
  マルチターン攻撃に対するLDMの安全性を確保するためのプロアクティブ・ディフェンス・フレームワークを提案する。 特殊なエージェントが補完的な防衛戦略を実行するような、協調的なマルチエージェントアーキテクチャを採用している。 マルチターン攻撃における進化戦略をシミュレートするEMRAデータセットを提案する。
  論文  参考訳（メタデータ） (2026-07-31T14:04:49Z)
• BotzoneBench: Scalable LLM Evaluation via Graded AI Anchors [9.224594551677374]
  大規模言語モデル(LLM)は、戦略的意思決定を必要とする対話型環境にますます多くデプロイされている。 近年のゲームベース評価では, LLM-vs-LLMトーナメントが採用されている。 本稿では,LLMの評価をAI(Artificial Intelligence)の固定階層に固定することで,線形時間絶対スキル測定が可能となることを示す。
  論文  参考訳（メタデータ） (2026-01-22T13:15:08Z)
• EQ-Negotiator: Dynamic Emotional Personas Empower Small Language Models for Edge-Deployable Credit Negotiation [66.09161596959771]
  小型言語モデル (SLM) は実用的な代替手段を提供するが、大規模言語モデル (LLM) と比較して大きな性能差がある。 本稿では,感情的ペルソナを用いて,この能力ギャップを橋渡しする新しいフレームワークであるEQ-Negotiatorを紹介する。 EQ-Negotiator を用いた 7B パラメータ言語モデルは,ベースライン LLM の 10 倍以上の大きさで,債務回復と交渉効率が向上することを示す。
  論文  参考訳（メタデータ） (2025-11-05T11:25:07Z)
• Collective dynamics of strategic classification [49.14942990735098]
  ユーザと機関の集団間のフィードバックループ問題に進化ゲーム理論を適用した。 検知能力の向上は社会的コストを低減し,ユーザの改善につながる可能性が示唆された。 施設が利用者の人口に再適応する速度は、最終結果に果たす役割を担っている。
  論文  参考訳（メタデータ） (2025-08-12T20:57:17Z)
• AegisLLM: Scaling Agentic Systems for Self-Reflective Defense in LLM Security [74.22452069013289]
  AegisLLMは、敵の攻撃や情報漏洩に対する協調的なマルチエージェント防御である。 テスト時のエージェント推論システムのスケーリングは,モデルの有用性を損なうことなく,ロバスト性を大幅に向上させることを示す。 アンラーニングやジェイルブレイクを含む主要な脅威シナリオに対する総合的な評価は、AegisLLMの有効性を示している。
  論文  参考訳（メタデータ） (2025-04-29T17:36:05Z)
• Bot Wars Evolved: Orchestrating Competing LLMs in a Counterstrike Against Phone Scams [0.8466004732265869]
  ボット・ウォーズ (Bot Wars) は、Large Language Models (LLMs) scam-baiters を用いて、シミュレーションされた対話を通して電話詐欺に対処するフレームワークである。 我々は,3,200件のスカム・ダイアログのデータセットを用いて,人間のスカム・バイティング・インタラクションの179時間に対する検証を行った。
  論文  参考訳（メタデータ） (2025-03-10T08:21:36Z)
• On Tractable $Φ$-Equilibria in Non-Concave Games [53.212133025684224]
  非コンケーブゲームにおいて、抽出可能な$Phi$-equilibriaについて検討する。 Phi$が有限であるとき、対応する$Phi$-equilibriaに収束する効率的な非結合学習アルゴリズムが存在することを示す。
  論文  参考訳（メタデータ） (2024-03-13T01:51:30Z)

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。