論文の概要: The Butterfly Defects: Tracing Cooperation in LLM Agent Networks

• arxiv url: http://arxiv.org/abs/2610.32726v1
• Date: Fri, 23 Oct 2026 14:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.549652
• Title: The Butterfly Defects: Tracing Cooperation in LLM Agent Networks
• Title（参考訳）: LLMエージェントネットワークにおけるバタフライ欠陥の追跡協力
• Abstract要約: 協調はモデル構成や言語変化に敏感であることを示す。 発見は、安定なモデルレベルの特性としての協力の概念に挑戦する。
• 参考スコア（独自算出の注目度）: 16.584728370465704
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As large language models (LLMs) increasingly operate as interconnected agents, a fundamental question emerges: does individual cooperation translate into collective cooperation? We investigate this question through the Iterated Prisoner's Dilemma (IPD), moving from dyadic interactions to homogeneous and heterogeneous networks of open-weight LLMs. Our findings reveal that cooperation is highly sensitive to model composition and seemingly minor linguistic changes. Models that cooperate with identical peers can shift toward defection in mixed populations. A simple uncertainty cue can increase or decrease cooperation, redistribute costs, and affect unexposed agents several hops away. Even reversing action-label order can dramatically alter behavior, with uncertainty framing sometimes amplifying this sensitivity. Together, these findings challenge the notion of cooperation as a stable model-level property, revealing how strategic behavior depends on interaction partners, network positions, and the language used to frame decisions.
• Abstract（参考訳）: 大規模言語モデル(LLM)が相互接続エージェントとしてますます機能するにつれて、根本的な疑問が浮かび上がってくる。 本稿では, 反復刑務所ジレンマ(IPD)を用いて, ダイアディック相互作用からオープンウェイトLLMの均質ネットワーク, 異質ネットワークへの移行について検討する。 以上の結果から,協調はモデル構成や言語学的変化に非常に敏感であることが明らかとなった。 同一の仲間と協力するモデルは、混合集団における欠陥へと移行することができる。 単純な不確実性キューは、協力を増大または減少させ、コストを再分配し、露呈されていないいくつかのホップに影響を及ぼす。 アクションラベルの順序が逆転しても、動作が劇的に変化し、不確実なフレーミングによってこの感度が増幅されることがある。 これらの知見は、協力が安定したモデルレベルの特性であるという考えに挑戦し、戦略的行動が相互作用パートナー、ネットワーク位置、そして意思決定に使用される言語にどのように依存するかを明らかにする。

関連論文リスト

• Emergent Collusion in Long-Horizon LLM Agent Interaction [54.47975581249992]
  長距離マルチエージェント環境における衝突の発生について検討した。 検証プロトコルに違反するだけで高い報酬が達成できる現実的な制約を導入する。 衝突は10モデルにわたる軌道の94%で発生し、同じファミリー内のより有能なモデルがそれより早く到達する。
  論文  参考訳（メタデータ） (2026-09-21T17:52:48Z)
• When Does Personality Composition Matter for Multi-Agent LLM Teams? [11.599619860803472]
  マルチエージェントチームパフォーマンスにおいてパーソナリティ構成が重要であるかを検討する。 人格効果はタスク構造に大きく依存している。 マルチエージェントシステム設計における意味について論じる。
  論文  参考訳（メタデータ） (2026-06-25T18:13:33Z)
• CollabSim: A CSCW-Grounded Methodology for Investigating Collaborative Competence of LLM Agents through Controlled Multi-Agent Experiments [32.043112677406064]
  CollabSimは、理論に基づく協調能力の定義、相互作用条件の制御、エージェントの内部状態のアクションレベル探索を組み合わせたシミュレーションフレームワークである。 CollabSimは条件効果をキャプチャし、モデルパフォーマンスパターンを分離し、エージェント設計のタスク依存効果を明らかにする。
  論文  参考訳（メタデータ） (2026-06-04T17:06:22Z)
• SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
  制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。 スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。 実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-04-20T17:46:20Z)
• Scalable Multiagent Reinforcement Learning with Collective Influence Estimation [5.050035210247092]
  本稿では,集団影響推定ネットワークを付加したマルチエージェント学習フレームワークを提案する。 タスクオブジェクトに対する他のエージェントの集団的影響を明示的にモデル化することにより、各エージェントはクリティカルな相互作用情報を推測することができる。 実験の結果,提案手法は通信制限環境下での安定かつ効率的な協調を実現することがわかった。
  論文  参考訳（メタデータ） (2026-01-13T04:24:11Z)
• How large language models judge and influence human cooperation [82.07571393247476]
  我々は、最先端の言語モデルが協調行動をどのように判断するかを評価する。 我々は、善良な相手との協力を評価する際、顕著な合意を守ります。 モデル間の差異が協調の頻度に大きく影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2025-06-30T09:14:42Z)
• Corrupted by Reasoning: Reasoning Language Models Become Free-Riders in Public Goods Games [87.5673042805229]
  大規模言語モデルは、アライメント、堅牢性、安全なデプロイメントを保証する上で、いかに自己関心と集合的幸福のバランスをとるかが重要な課題である。 我々は、行動経済学から制度的に選択した公共財ゲームに適応し、異なるLLMがいかに社会的ジレンマをナビゲートするかを観察することができる。 意外なことに、o1シリーズのようなLCMの推論は、協調にかなり苦労している。
  論文  参考訳（メタデータ） (2025-06-29T15:02:47Z)
• Static network structure cannot stabilize cooperation among Large Language Model agents [6.868298200380496]
  大規模言語モデル(LLM)は、人間の社会的行動のモデル化にますます利用されている。 本研究の目的は,LLMとヒトの協調行動における並列性を明らかにすることである。
  論文  参考訳（メタデータ） (2024-11-15T15:52:15Z)
• The Machine Psychology of Cooperation: Can GPT models operationalise prompts for altruism, cooperation, competitiveness and selfishness in economic games? [0.0]
  GPT-3.5大言語モデル(LLM)を用いて,協調的,競争的,利他的,利己的行動の自然言語記述を操作可能とした。 被験者と実験心理学研究で用いられるのと同様のプロトコルを用いて,課題環境を記述するためのプロンプトを用いた。 この結果から,LLM が様々な協調姿勢の自然言語記述を適切な作業行動の記述にある程度翻訳できることが示唆された。
  論文  参考訳（メタデータ） (2023-05-13T17:23:16Z)

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。