論文の概要: Strategic Calibration in LLM Multi-Agent Systems: Audited Pivot Scoring for Truthful Elicitation
- arxiv url: http://arxiv.org/abs/2610.33728v1
- Date: Sat, 24 Oct 2026 15:18:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.429256
- Title: Strategic Calibration in LLM Multi-Agent Systems: Audited Pivot Scoring for Truthful Elicitation
- Title（参考訳）: LLMマルチエージェントシステムにおけるストラテジック校正
- Abstract要約: 大規模言語モデル(LLM)に基づくマルチエージェントシステムでは、信頼度が下流の注目度、計算量、決定の影響の割り当てをますます決定している。
既存のキャリブレーション手法は、主に受動的報告を前提としており、従って、信頼度が下流の割り当てを決定するときに生じる戦略的インセンティブに対処しない。
戦略的キャリブレーションを報告層インセンティブ問題として定式化し,Audited Pivot Scoring Mechanism (APSM)を提案する。
- 参考スコア（独自算出の注目度）: 7.854413385174076
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In large language model (LLM)-based multi-agent systems, reported confidence increasingly determines the allocation of scarce downstream attention, computation, and decision influence. This makes reporting strategic: an agent may overstate the relevance of its contribution even when its underlying belief is well calibrated. Existing calibration methods largely assume passive reporting and therefore do not address strategic incentives created when confidence determines downstream allocation. We formulate strategic calibration as a reporting-layer incentive problem and propose the Audited Pivot Scoring Mechanism (APSM). APSM offsets platform-controlled allocation benefits, uses inverse-propensity-weighted sparse audits, charges the Clarke pivot externality, and applies a strictly proper score. Under the stated model assumptions, truthful reporting is the unique expected-utility best response. We also characterize approximate execution and the audit-variance trade-off. Calculator-free experiments show that LLM agents inflate confidence under Top-$K$ incentives. With a shared agent-local utility interface, LLM agents reduce distortion under both Compensated Proper Scoring (CPS) and APSM. CPS achieves higher exact allocation match, whereas APSM yields lower Brier loss and numerically fewer cutoff crossings. Experiments further show that APSM enlarges the utility margin against allocation-changing deviations by $1.93\times$ and improves robustness under approximate execution. These results support incentive-aware elicitation as a distinct layer for reliable multi-agent coordination.
- Abstract（参考訳）: 大規模言語モデル(LLM)に基づくマルチエージェントシステムでは、信頼度が下流の注目度、計算量、決定の影響の割り当てをますます決定している。
エージェントは、その根底にある信念が十分に校正されている場合でも、その貢献の関連性を誇張することができる。
既存のキャリブレーション手法は、主に受動的報告を前提としており、従って、信頼度が下流の割り当てを決定するときに生じる戦略的インセンティブに対処しない。
戦略的キャリブレーションを報告層インセンティブ問題として定式化し,Audited Pivot Scoring Mechanism (APSM)を提案する。
APSMはプラットフォームが制御するアロケーションの利点をオフセットし、逆順に重み付けされたスパース監査を使用し、クラークのピボットの外部性を課金し、厳格に適切なスコアを適用する。
述べられているモデル前提の下では、真理に満ちた報告は、期待できる最良な反応である。
また、近似実行と監査分散トレードオフを特徴付ける。
計算機のない実験では、LLMエージェントがTop-K$インセンティブの下で信頼を増すことが示されている。
共有エージェントローカルユーティリティインタフェースにより、LLMエージェントは補償プロパースコーリング(CPS)とAPSMの両方の歪みを低減する。
CPSはより正確なアロケーションマッチを達成するが、APSMはより低いブライアロスと数値的に少ないカットオフクロスを得る。
さらに実験の結果、APSMは割当変動に対する効用マージンを$1.93\times$に拡大し、近似実行時の堅牢性を向上させることが示された。
これらの結果は、信頼性の高いマルチエージェント協調のための異なるレイヤとしてのインセンティブ認識の活用を支援する。
関連論文リスト
- GLIDE: Generalized Layer-wise Intrinsic Distributional Evaluation for Heterogeneous LLM Agents [11.225427879489155]
LLMエージェントは、候補分岐を比較し、計算を効果的に割り当てるために、信頼性の高いステップレベルの評価を必要とする。
LLMエージェントに対するtextbf Generalized textbfLayer-wise textbfIntrinsic textbfDistributional textbfEvaluation (textbfGLIDE)を提案する。
論文 参考訳（メタデータ） (2026-09-26T06:37:41Z) - Reconciling Process Supervision with Outcome-Based Credit in Agentic Policy Optimization [13.354353071601379]
我々は、特権付き監督を成果ベースアクションクレジットに変換するTASPOを紹介する。
3つのエージェントベンチマークで、TASPOはGRPOよりも10.6%改善し、目に見えないタスクを一般化する。
論文 参考訳（メタデータ） (2026-08-31T16:51:50Z) - TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning [52.67756371231985]
検証可能な報酬を伴う強化学習(RLVR)は、大規模言語モデルにおける推論とエージェント的行動を強化するための有望なアプローチである。
本稿では,Tree Rollout Allocation for Contrastive Exploration (TRACE)について紹介する。
技術的には、TRACEはロールアウト予算をルートと中間プレフィックスの両方に割り当てている。
論文 参考訳（メタデータ） (2026-06-09T17:16:03Z) - TAPO: Tool-Aware Policy Optimization via Credit Transfer for Multimodal Search Agents [54.08846865906602]
ツール強化マルチモーダルサーチエージェントにおいて,クレジットミス割り当てをGRPOの系統的障害モードとして特徴付ける。
本稿では,情報取得ツールのパラメータ決定性を利用したツール・アウェア・ポリシー・オプティマイズ(TAPO)を提案する。
論文 参考訳（メタデータ） (2026-06-04T07:15:43Z) - Agents that Matter: Optimizing Multi-Agent LLMs via Removal-Based Attribution [21.301961149692453]
エージェント属性を協調ゲームとして形式化し、連立分布、削除プロトコル、ターゲットメトリックによってパラメータ化する。
そこで,LOO(Leave-One-Out)はボトルネックエージェントをボトルネック手法として効果的に識別するが,計算コストのごく一部に留まることを示す。
また、診断精度と倫理的行動に対するエージェントの貢献がしばしば分離されることを明らかにするため、医療MASの監査に我々の枠組みを適用した。
論文 参考訳（メタデータ） (2026-05-26T19:39:27Z) - Utilizing and Calibrating Hindsight Process Rewards via Reinforcement with Mutual Information Self-Evaluation [50.696688705287755]
我々は、強化学習におけるスパース報酬課題を克服するために、相互情報自己評価を提案する。
MISEにより、エージェントは、疎外的信号を補う高密度な内部報酬から自律的に学習することができる。
我々は、後見自己評価報酬を利用することは、政策と代行報酬政策の間のKL分散項と相互情報を組み合わせた目的を最小化することと等価であることを示す。
論文 参考訳（メタデータ） (2026-04-13T15:18:51Z) - Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation [76.5533899503582]
大規模言語モデル(LLM)は、エージェントのパフォーマンスを評価するために、ますます裁判官として使われている。
このパラダイムは、エージェントのチェーン・オブ・シークレット(CoT)推論が内部の推論と環境状態の両方を忠実に反映していることを暗黙的に仮定している。
我々は、操作された推論だけで、様々なWebタスクにまたがる800の軌跡に対して、最先端のVLM審査員の偽陽性率を最大90%向上させることができることを実証した。
論文 参考訳（メタデータ） (2026-01-21T06:07:43Z) - Outcome-Grounded Advantage Reshaping for Fine-Grained Credit Assignment in Mathematical Reasoning [60.00161035836637]
グループ相対政策最適化は、推論タスクのための有望な批判のない強化学習パラダイムとして登場した。
我々は,各トークンがモデルの最終回答にどの程度影響するかに基づいて,利益を再分配する,きめ細かい信用割当機構であるOutcome-grounded Advantage Reshaping (OAR)を紹介した。
OAR-Gは計算オーバーヘッドを無視して同等のゲインを達成し、どちらも強力なGRPOベースラインをはるかに上回っている。
論文 参考訳（メタデータ） (2026-01-12T10:48:02Z) - When Agents go Astray: Course-Correcting SWE Agents with PRMs [7.017285839527226]
大規模言語モデル(LLM)エージェントは、複雑で多段階のソフトウェア工学(SWE)タスクにますますデプロイされる。
彼らの軌道はしばしば、冗長な探索、ループ、解が到達した後に終了する失敗など、コストのかかる非効率を含んでいる。
本稿では,SWE-PRM(Inference-time Process Reward Model, PRM)を導入する。
論文 参考訳（メタデータ） (2025-09-02T14:23:15Z)
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。