論文の概要: Seeing the Forest for the Trees: Emergent Agreement from Individual Conversations

• arxiv url: http://arxiv.org/abs/2610.29328v1
• Date: Wed, 21 Oct 2026 07:27:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.272131
• Title: Seeing the Forest for the Trees: Emergent Agreement from Individual Conversations
• Title（参考訳）: 樹木の森を見る:個人会話からの創発的合意
• Abstract要約: 2つのLLMが主観的問題について議論し、同意するか、同意するか、意見が一致し、彼らの姿勢を変える可能性があるかを検討する。 ターンや会話によって大きく異なり、個別の会話レベルで外部の合意を確実に追跡できないことがわかった。 我々は、個別の会話における合意の表現を超えて、会話全体で合意の表現を集約する。
• 参考スコア（独自算出の注目度）: 64.42046455603904
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As LLM agents interact in the wild and shape each other's decisions, understanding how they converge toward agreement becomes important. We study this in multi-turn conversations where two LLMs discuss subjective matters, can agree or disagree, and may change their stances. Using a linear classifier on individual conversation activations, we identify an internal representation of agreement. We find that it varies substantially across turns and conversations and does not reliably track external agreement at the individual conversation level. We therefore move beyond the representation of agreement in individual conversations, by aggregating the agreement representation across conversations. Externally, this aggregate view reveals a simple structure: when pooled across conversations, agreement can be predicted well with a Markov process, with agreement at each turn being a direct function of agreement at the previous turn. Similarly, when internal agreement is aggregated, it couples with the external Markov agreement through a power-law mapping, exposing Markovian dynamics in internal representations. Additionally, we find that after a change of stance, models express agreement externally before their internal representations reflect the same shift. These results reveal a joint structure between internal and external agreement that emerges only when internal features are aggregated across conversations. Code available at https://github.com/technion-cs-nlp/SeeingTheForestForTheTrees.
• Abstract（参考訳）: LLMエージェントが野生で相互作用し、互いの決定を形作るにつれ、それらがどのように合意に向かって収束するかを理解することが重要になる。 2つのLDMが主観的問題について議論し、意見が一致したり、意見が一致したり、態度が変わるようなマルチターン会話でこれを研究する。 個別の会話アクティベーションにおける線形分類器を用いて、合意の内的表現を同定する。 ターンや会話によって大きく異なり、個別の会話レベルで外部の合意を確実に追跡できないことがわかった。 したがって、個別の会話における合意の表現を超えて、会話全体で合意の表現を集約する。 会話中にプールされた場合、合意はマルコフのプロセスとよく一致し、各ターンでの合意は前のターンで直接合意の関数となる。 同様に、内部合意が集約されるとき、それは外部マルコフ合意とパワー・ロー写像を通して結合し、内部表現におけるマルコフ力学を露呈する。 さらに、姿勢の変化の後、モデルが内部表現が同じ変化を反映する前に、外部で合意を表現することが分かる。 これらの結果から、内部的特徴が会話全体で集約された場合にのみ現れる内部的合意と外部的合意の結合構造が明らかとなった。 コードはhttps://github.com/technion-cs-nlp/SeeingTheForestForTheTreesで公開されている。

関連論文リスト

• To Manipulate or Not: Opinion Dynamics in LLM Interactions [0.254890465057467]
  2つの言語モデルの役割が競合する話題について繰り返し議論する、制御されたLLM-LLM討論フレームワークを導入する。 我々は、各ロールが明確に報告された位置と、会話中のターンバイターンの振る舞いをそれぞれ別々に計測する。 これらの結果から, 会話の影響は役割や初期位置だけでなく, 参加モデルにも左右されることが示唆された。
  論文  参考訳（メタデータ） (2026-10-20T19:48:20Z)
• MindDial: Belief Dynamics Tracking with Theory-of-Mind Modeling for Situated Neural Dialogue Generation [62.44907105496227]
  MindDialは、Mind-of-mindモデリングで位置決め自由形式の応答を生成できる、新しい対話型フレームワークである。 本研究では、話者の信念と話者の聴取者の信念を予測できる明示的なマインドモジュールを導入する。 筆者らのフレームワークは,提案手法と微調整モデルの両方に適用され,共通地盤アライメントとネゴシエーションの両方を含むシナリオで評価される。
  論文  参考訳（メタデータ） (2023-06-27T07:24:32Z)
• DynaEval: Unifying Turn and Dialogue Level Evaluation [60.66883575106898]
  統合された自動評価フレームワークDynaEvalを提案する。 ターンレベルの評価を行うことができるが、対話全体の品質を公平に考慮することもできる。 実験の結果,DynaEvalは最先端の対話コヒーレンスモデルよりも優れていた。
  論文  参考訳（メタデータ） (2021-06-02T12:23:18Z)

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。