論文の概要: ToM2Vec: Continuous Theory-of-Mind Tokens for Multi-Agent Coordination

• arxiv url: http://arxiv.org/abs/2610.29934v1
• Date: Wed, 21 Oct 2026 16:05:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.400496
• Title: ToM2Vec: Continuous Theory-of-Mind Tokens for Multi-Agent Coordination
• Title（参考訳）: ToM2Vec: マルチエージェントコーディネートのための連続的なミネラル・オブ・ミンドのトークン
• Abstract要約: ToM2Vecは、連続的推論トークンの固定予算を通じて、リッチな潜在空間における理論を形成することを学ぶ。 ToM2Vec トレーニングは,電車の時間帯に見ることのないモデルファミリに対して,プロプライエタリモデルを含む一般化可能であることを示す。
• 参考スコア（独自算出の注目度）: 77.2222504499298
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forming an accurate theory-of-mind (ToM) is key to successful multi-agent collaboration and requires reasoning under uncertainty to capture multiple possible partner states. This is hard to do in the text representation space native to large language model (LLM) agents, which more easily describe a single partner state. To address this challenge, we introduce ToM2Vec, which learns to form abstract theories-of-mind in a rich latent space via a fixed budget of continuous reasoning tokens. During training, supervision for these tokens comes from the partner's actual thoughts, which the ToM tokens are trained to abstract and match. At test-time, ToM tokens are generated by each agent and act as conditioners for that agent's thoughts and actions. Across several environments covering collaborative, competitive, and mixed-motive settings (Overcooked-AI, multiparty negotiation, Decrypto, Hanabi, and Collab Escape/Capture), we evaluate ToM2Vec's ability to support multi-agent interactions and collaboration, finding consistent improvements over the base model and a variety of competitive trained and prompted baselines. We show that latent reasoning is critical, with performance dropping when reasoning is expressed in text. Moreover, we show that ToM2Vec training generalizes to partner model families not seen at train-time, including a proprietary model (GPT-5.4). In our analysis, we provide evidence that the latent tokens encode a ToM, rather than task-specific information: ToM2Vec's tokens improve the agent's ability to directly answer questions about partner beliefs, desires, and next actions.
• Abstract（参考訳）: 正確な理論・オブ・ミンド(ToM)を形成することは、マルチエージェントのコラボレーションを成功させる鍵であり、複数の可能なパートナー状態を取得するには不確実性の下での推論が必要である。 これは、大きな言語モデル(LLM)エージェントに固有のテキスト表現空間において、より簡単に単一のパートナー状態を記述するのが困難である。 この課題に対処するために、ToM2Vecを紹介します。これは、連続推論トークンの固定予算によって、リッチ潜在空間において抽象的な理論を形成することを学習します。 トレーニング中、これらのトークンの監督は、ToMトークンが抽象化とマッチングのためにトレーニングされる、パートナーの実際の考え方に由来する。 テスト時には、ToMトークンは各エージェントによって生成され、そのエージェントの思考とアクションのコンディショナーとして機能する。 複数の環境(Overcooked-AI、マルチパーティネゴシエーション、Decrypto、Hanabi、Collab Escape/Capture)をカバーし、マルチエージェントインタラクションとコラボレーションをサポートするToM2Vecの能力を評価し、ベースモデルに対する一貫した改善と、さまざまな競争訓練とトリガーベースラインを見出した。 我々は、潜在推論が重要であり、テキストで推論を表現すると性能が低下することを示す。 さらに、ToM2Vecトレーニングは、プロプライエタリモデル(GPT-5.4)を含む、列車時に見られないパートナーモデルファミリーに一般化されていることを示す。 我々の分析では、潜在トークンがタスク固有の情報ではなく、ToMをエンコードする証拠を提供する: ToM2Vecのトークンは、パートナーの信念、欲求、そして次の行動に関する質問に答えるエージェントの能力を向上する。

関連論文リスト

• TTE-Flash: Accelerating Reasoning-based Multimodal Representations via Think-Then-Embed Tokens [32.700228795574255]
  TTE-Flash-2Bは,MMEB-v2ベンチマークにおいて,その明示的なCoTよりも優れたマルチモーダル表現モデルである。 本研究では,1)LLMバックボーンからトークンの考え方と埋め込みを抽出する方法,2)トークンを2つの依存タスクとしてトレーニングする方法,の2つの重要なアーキテクチャ設計について検討する。
  論文  参考訳（メタデータ） (2026-05-15T21:10:56Z)
• Collaborative Multi-Agent Scripts Generation for Enhancing Imperfect-Information Reasoning in Murder Mystery Games [57.64247186502836]
  視覚言語モデル(VLM)は知覚タスクにおいて印象的な能力を示してきたが、マルチプレイヤーゲーム設定下で複雑なマルチホップ推論では劣化している。 本稿では,異なる意図を持つ役割によって提供される部分的手がかりに基づいて,隠れた真実を推論する必要がある,代表的マルチプレイヤータスクであるMurder Mystery Gamesについて検討する。 高品質なロール駆動型マルチプレイヤーゲームスクリプトの評価と合成のための協調型マルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-13T17:16:23Z)
• MuCo: Multi-turn Contrastive Learning for Multimodal Embedding Model [57.89395815934156]
  Multi-Turn Contrastive Learning (MuCo)は、このプロセスを再考する対話にインスパイアされたフレームワークである。 新たな5Mマルチモーダルマルチターンデータセット(M3T)による MuCo の表示実験
  論文  参考訳（メタデータ） (2026-02-06T05:18:33Z)
• LLM-Hanabi: Evaluating Multi-Agent Gameplays with Theory-of-Mind and Rationale Inference in Imperfect Information Collaboration Game [47.019077016616144]
  本研究では,協調ゲーム「はなび」を用いて合理的推論とToMを評価する新しいベンチマーク「LM-Hanabi」を紹介する。 様々なモデルにおいて,ToMとゲーム内成功との間に有意な正の相関関係が認められた。 我々は,一階ToMの優先順位付けが将来のモデルの協調能力を向上するための有望な方向であると結論付けている。
  論文  参考訳（メタデータ） (2025-10-06T16:17:24Z)
• The Decrypto Benchmark for Multi-Agent Reasoning and Theory of Mind [8.341160422849969]
  Decryptoはマルチエージェント推論とToMのためのゲームベースのベンチマークである。 インタラクティブなToM実験を設計するための最初のプラットフォームである。 LLMのゲームプレイ能力は人間より遅れており,簡単な単語埋め込みが可能である。
  論文  参考訳（メタデータ） (2025-06-25T17:55:27Z)
• Token Assorted: Mixing Latent and Text Tokens for Improved Language Model Reasoning [53.57895922042783]
  大規模言語モデル(LLM)は、チェーン・オブ・シークレット(CoT)データに基づいて訓練された場合、推論と計画が優れている。 そこで我々は,遅延離散トークンを用いて推論過程を部分的に抽象化するハイブリッド表現を提案する。
  論文  参考訳（メタデータ） (2025-02-05T15:33:00Z)
• Cooperation, Competition, and Maliciousness: LLM-Stakeholders Interactive Negotiation [52.930183136111864]
  我々は,大言語モデル(LLM)を評価するためにスコーラブルネゴシエーション(scorable negotiations)を提案する。 合意に達するには、エージェントは強力な算術、推論、探索、計画能力を持つ必要がある。 我々は、新しいゲームを作成し、進化するベンチマークを持つことの難しさを増大させる手順を提供する。
  論文  参考訳（メタデータ） (2023-09-29T13:33:06Z)

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。