論文の概要: Hidden Messages Between Diffusion Language Model Agents: Causal Evidence for Latent Communication

• arxiv url: http://arxiv.org/abs/2610.28905v1
• Date: Tue, 20 Oct 2026 20:31:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.141362
• Title: Hidden Messages Between Diffusion Language Model Agents: Causal Evidence for Latent Communication
• Title（参考訳）: 拡散言語モデルエージェント間の隠れメッセージ:潜時コミュニケーションのための因果証拠
• Abstract要約: 情報が転送されると、エージェントがそれを何回交換するかよりも重要になる。 1回の遅延転送は87.8%に達し、4回のリカレント交換を+7.0ポイント超えた。
• 参考スコア（独自算出の注目度）: 3.9219366584613176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion language models form answers through a sequence of revisable continuous states, but multi-agent systems usually discard those states and make agents communicate only after decoding text. We ask whether one independent diffusion trajectory can pass a compact hidden message into another and, crucially, whether the receiver uses what that message means. In Hidden Messages, a sender compresses its denoising state into four signed dense vectors; the receiver consumes them while retaining its own context, canvas, and trajectory. Removing a message tests whether the channel matters; replacing it with a message from another example tests whether its content matters. Across controlled tasks, derangement removes a +63.6-point advantage on Tiny-A2D and a +100.0-point advantage on Dream-7B, while targeted substitutions steer the receiver toward the substituted fact. On QASC with the two supporting facts split across agents, matched communication reaches 80.8%, but a wrong-example message lowers accuracy to 46.8%, a content effect of +34.0 points. The surprising result is temporal: one late transfer reaches 87.8%, exceeding four recurrent exchanges by +7.0 points. These experiments provide causal evidence for continuous hidden communication between diffusion-LM agents and show that when information is transferred can matter more than how many times agents exchange it.
• Abstract（参考訳）: 拡散言語モデルは、変更可能な連続状態のシーケンスを通じて回答を形成するが、マルチエージェントシステムは通常、それらの状態を捨て、テキストを復号した後のみエージェントに通信させる。 我々は、ある独立拡散軌跡が、コンパクトな隠されたメッセージを他のものに渡すことができるかどうかを問う。 Hidden Messagesでは、送信側がデノナイジング状態を4つの署名された高密度ベクトルに圧縮し、受信側はそれを消費し、独自のコンテキスト、キャンバス、トラジェクトリを保持する。 メッセージを削除してチャネルが重要かどうかをテストし、別の例からメッセージに置き換えて、そのコンテンツが重要かどうかをテストする。 制御されたタスク全体で、アレンジメントはTiny-A2Dの+63.6ポイント、Dream-7Bの+100.0ポイントのアドバンテージを除去する。 QASCでは、2つのサポートされた事実がエージェントに分割され、一致したコミュニケーションは80.8%に達するが、誤ったメッセージは精度を46.8%に下げる。 1回の遅延転送は87.8%に達し、4回のリカレント交換を+7.0ポイント超える。 これらの実験は、拡散-LMエージェント間の連続的な隠れ通信の因果的証拠を提供し、情報が転送された場合、何回以上のエージェントがそれを交換したかより重要であることを示す。

関連論文リスト

• MultiPartyTurnBench: Benchmarking Floor Control in Multi-Party Spoken Dialogue [67.07361089429757]
  本研究では, 主観的ターンテイクや終末行動について検討するが, 真のフロア・トランジションの統一的評価を, 難易度の高い非パーティ・セッティングに対して検討する。 我々は、240個の合成されたチャネル分離会話のベンチマークであるMultiPartyTurnBench (MPTB) について紹介する。 学習システムは82.2.6%のEOTリコールを4.3-11.8%の偽陽性率で達成し、Interruption (INT) 検出は失敗したテイクオーバーや過剰な偽のアクティベーションに悩まされる。
  論文  参考訳（メタデータ） (2026-10-14T13:20:14Z)
• Share the Symbol, Not the Vector: Training-Free Fact Communication Across Language Models [54.6861338458609]
  SynC(Symbol-Indexed Neural Communication)は、微調整や学習用トランスレータなしで異種モデルを接続する。 説明だけで見ることができるので、送信者は共有リストから単語を選択し、質問を見ることなく各オブジェクトに対してインデックスを送信する。 本研究は,共有語指標とレシーバローカルな指示が,モデルファミリ間の選択的事実利用を,追加の訓練を伴わずに支援できることを示す。
  論文  参考訳（メタデータ） (2026-10-14T07:19:43Z)
• Draft-KV: Learning Useful Latent Communication Between Language Models [37.232258163056414]
  通信は、復号されたテキストではなく、言語モデル間の内部状態を渡す。 Qwen3-8Bシェアリングでは、冷凍されたQwen2.5-0.5Bインストラクト受信機はMMLU-Reduxで78.04%、37.45%が単独で36.40%が再割り当てメッセージである。
  論文  参考訳（メタデータ） (2026-09-28T09:42:01Z)
• Despite Instructions: Frontier Agents Improvise Covert Channels at Test Time [64.61749234961134]
  セキュリティに敏感なアプリケーションでは、言語モデルエージェントは機密情報を開示することなく調整する必要があることが多い。 送信者が4つの秘密状態のうちの1つを観測し、同一の公開レポートの4つの要約のうちの1つを選択する。 モデルペアは、受信機が正しく推測したかどうかを示す1ビットのフィードバックのみを使用して、秘密を伝えることができる。
  論文  参考訳（メタデータ） (2026-09-26T15:06:44Z)
• Do Multimodal LLMs See Before They Read? Diagnosing Contextual Sycophancy [16.47414821115537]
  外部テキストは、マルチモーダルな大言語モデルにおける矛盾する画像証拠をオーバーライドすることができる。 視覚的エビデンス,コモンセンス先行,外部テキストを独立に変化させる998ケースの診断を導入し,この障害が発生した場合,コンテキストブラインドされた視覚的目撃者を中心に情報境界を移動させることで探索する。
  論文  参考訳（メタデータ） (2026-08-30T16:19:33Z)
• Belief Cascades Drive Persuasion in LLM Agent Networks [71.17605142402785]
  本研究では,実世界のego-networkトポロジに根ざしたLLMエージェントのネットワーク上で,ゴール指向の説得者がどのようにスタンスをシフトするかを検討する。 直接露光は、競合走における次のラウンドの姿勢変化を確実に予測し、ピアリレーは小さいが測定可能な影響をもたらすことを示す。 これらの結果は、多エージェントの説得を軌跡レベルのプロセスと露出レベルのプロセスとして評価することを主張する。
  論文  参考訳（メタデータ） (2026-08-25T21:01:19Z)
• Wrong but Useful: Trajectory Value Beyond Answer Correctness in Multi-Agent Messages [44.340269814027174]
  マルチエージェント推論システムは、合意、信頼、あるいは自動スコアを使用して、どのメッセージが最終回答になるかを決定する。 しかし、間違った答えは、有用な分解、制約、または科学的原理を含むことができる。 この区別は、5つの独立に生成されたメッセージをキャッシュする制御された測定プロトコルであるDHD(Diverse hypothesis Deliberation)で検証する。
  論文  参考訳（メタデータ） (2026-08-14T15:16:57Z)
• Do Latent Channels Actually Communicate? A Causal Audit of Latent Multi-Agent LLM [0.42970700836450487]
  本稿では、送信者生成表現が受信機に入る境界において、制御されたメッセージ置換を適用する因果監査を導入する。 4つのメッセージ設定は、送信者のエンコードされた情報の5つの測定をサポートする。 その結果、集約精度は、遅延メッセージが受信機に与える影響を識別しないことがわかった。
  論文  参考訳（メタデータ） (2026-07-29T11:14:27Z)
• Good Agentic Friends Do Not Just Give Verbal Advice: They Can Update Your Weights [58.27172968382275]
  マルチエージェントLLMシステムは、通常自然言語メッセージを交換することで協調する。 送信者のメッセージを受信者のコンテキストに付加する代わりに、送信者の隠された状態を過渡的で受信者固有の重み摂動にコンパイルする。
  論文  参考訳（メタデータ） (2026-05-13T17:58:32Z)

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。