論文の概要: BE-CTDE: Blockchain-Enabled Multi-Agent Reinforcement Learning with Anomaly Detection and Token Economics

• arxiv url: http://arxiv.org/abs/2610.34121v1
• Date: Sun, 25 Oct 2026 07:39:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.539236
• Title: BE-CTDE: Blockchain-Enabled Multi-Agent Reinforcement Learning with Anomaly Detection and Token Economics
• Title（参考訳）: BE-CTDE:異常検出とトークン経済を考慮したブロックチェーンによるマルチエージェント強化学習
• Abstract要約: マルチエージェント強化学習は、モノのインターネットシステムにおける協調的な意思決定を支援する。 本稿では,ブロックチェーンをアクティブなトレーニング管理層として利用するBE-CTDEを提案する。 行動検証は、実行されたトラジェクトリと共有ポリシのレコメンデーションを比較し、フラグはスラッシュ、バーニング、報酬、補償を組み合わせたトークンメカニズムを駆動する。
• 参考スコア（独自算出の注目度）: 20.160981738557304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-agent reinforcement learning supports cooperative decision-making in Internet of Things systems, but strategic deviations can disrupt coordination and undermine confidence in the training process. This paper proposes Blockchain-Enabled Centralized Training and Decentralized Execution (BE-CTDE), which uses blockchain as an active training-management layer. A behavioral verifier compares executed trajectories with shared-policy recommendations; its flags drive a token mechanism combining slashing, burning, rewards, and compensation. Retained balances determine each agent's contribution to the global policy update, connecting auditable behavior to learning influence. We derive a one-round incentive condition that accounts for action-dependent compensation and the payoff from deviation, and a finite expected exclusion-time bound under explicit conditional detection and accounting assumptions, showing perfect detection is unnecessary. An exact finite-population capacity bound characterizes the limits of the population-relative detector. In multi-agent path finding experiments, BE-CTDE outperforms a state-of-the-art learning-based path planner with substantially higher success rates under attack, even when adversaries form the majority. It also outperforms partially defended baselines in all configurations, with collision rates up to 35% lower than under detection without economic consequences and up to 43% lower than under conventional stake slashing. Together, these results characterize how behavioral verification and token feedback can support accountable cooperative learning.
• Abstract（参考訳）: マルチエージェント強化学習はモノのインターネットにおける協調的意思決定を支援するが、戦略的逸脱は協調を妨害し、トレーニングプロセスの信頼性を損なう可能性がある。 本稿ではブロックチェーンをアクティブなトレーニング管理層として利用するBlockchain-Enabled Centralized Training and Decentralized Execution(BE-CTDE)を提案する。 行動検証器は実行されたトラジェクトリと共有ポリティクスのレコメンデーションを比較し、フラグはスラッシュ、バーニング、報酬、報酬を組み合わせたトークン機構を駆動する。 保持バランスは、グローバルポリシー更新への各エージェントの貢献を決定し、監査可能な振る舞いと学習の影響を結びつける。 我々は、行動依存的補償と逸脱による支払いを考慮に入れた1ラウンドのインセンティブ条件を導出し、明確な条件付き検出と会計の仮定の下で有限な排他時間境界を定め、完全な検出は不要であることを示す。 正確な有限人口容量境界は、集団相対検出器の限界を特徴づける。 多エージェントパス探索実験において、BE-CTDEは、敵が多数を占める場合でも、攻撃下ではかなり高い成功率で最先端の学習ベースのパスプランナーより優れている。 また、すべての構成において部分的に防御されたベースラインを上回り、衝突速度は経済的な影響のない検出で最大35%、従来のスラッシュで最大43%低下する。 これらの結果は、行動検証とトークンフィードバックが、説明可能な協調学習をどのように支援できるかを特徴付ける。

関連論文リスト

• Evolving Together, Failing Apart: The Skill-Policy Co-evolution Trap in Self-Improving Agents [95.92890289314823]
  スキル・ポリティクスの共進化は自己改善エージェントにとって有望なパラダイムである。 現在の評価は、彼らが訓練した最終銀行の政策を左右するものだ。 しかし、デプロイ後、ポリシーモデルの再トレーニングよりも頻繁に、スキルを書き直したり、追加したり、削除したりすることができる。
  論文  参考訳（メタデータ） (2026-10-14T19:29:45Z)
• Evolutionary Stability Does Not Guarantee Learning Accessibility: A Multi-Agent Reinforcement Learning Perspective on Cooperation Emergence [6.194659687806015]
  分散エージェントは、他者の振る舞いの変化に適応しながら調整する必要があるため、多エージェントシステムでは、協調の出現が中心的な問題である。 我々は、政府、プラットフォーム会社、ユーザを含む透明な3つのエージェントによるガバナンスモチベーションを持つゲームにおいて、この区別について研究する。
  論文  参考訳（メタデータ） (2026-09-23T10:35:50Z)
• Joint Training of Multi-Token Prediction in Reinforcement Learning via Optimal Coefficient Calibration [61.46060073417047]
  MTP(Multi-Token Prediction)は、事前トレーニングにおいて広く採用されているモジュールである。 RL目標に対するMPPの段差効果は,第1次相関と第2次ペナルティの2つの項に分解できることを示す。 本稿では,ログ確率プロキシを用いて最適係数を無視可能なコストでオンラインで追跡する適応型手法を提案する。
  論文  参考訳（メタデータ） (2026-05-27T09:07:06Z)
• \mathsf{VISTA}: Decentralized Machine Learning in Adversary Dominated Environments [21.69919643934826]
  分散機械学習は、評価などのアウトソーシング計算を信頼できないワーカノードに頼っていることが多い。 本稿では, 相互に整合性がある場合にのみ, 報告を受理し, 報奨するインセンティブ指向の枠組みを通じて, 敵に支配される設定について検討する。 本稿では,最適化履歴を用いた適応アルゴリズムであるmathsfVISTAを提案する。
  論文  参考訳（メタデータ） (2026-05-08T15:07:15Z)
• On-Chain Decentralized Learning and Cost-Effective Inference for DeFi Attack Mitigation [4.37137147573556]
  DeFiプラットフォームでは、ビジネスロジックや会計上の脆弱性を利用したトランザクションによって、毎年数十億ドルが失われている。 i) コスト削減のためにLayer-2上でガス禁止計算を行い、(ii) 検証済みのモデル更新をLayer-1に伝達し、(iii) スマートコントラクト内でガス境界付き低遅延推論を可能にする。
  論文  参考訳（メタデータ） (2025-10-15T18:58:34Z)
• Agentic Reinforcement Learning with Implicit Step Rewards [92.26560379363492]
  大規模言語モデル (LLMs) は強化学習 (agentic RL) を用いた自律的エージェントとして発展している。 我々は,標準RLアルゴリズムとシームレスに統合された一般的なクレジット割り当て戦略であるエージェントRL(iStar)について,暗黙的なステップ報酬を導入する。 我々は,WebShopとVisualSokobanを含む3つのエージェントベンチマークと,SOTOPIAにおける検証不可能な報酬とのオープンなソーシャルインタラクションについて評価した。
  論文  参考訳（メタデータ） (2025-09-23T16:15:42Z)
• Sequential Manipulation Against Rank Aggregation: Theory and Algorithm [119.57122943187086]
  脆弱なデータ収集プロセスに対するオンライン攻撃を活用します。 ゲーム理論の観点からは、対決シナリオは分布的に堅牢なゲームとして定式化される。 提案手法は,ランクアグリゲーション手法の結果を逐次的に操作する。
  論文  参考訳（メタデータ） (2024-07-02T03:31:21Z)
• The Pitfalls and Promise of Conformal Inference Under Adversarial Attacks [90.52808174102157]
  医療画像や自律運転などの安全クリティカルな応用においては、高い敵の堅牢性を維持し、潜在的敵の攻撃から保護することが不可欠である。 敵対的に訓練されたモデルに固有の不確実性に関して、注目すべき知識ギャップが残っている。 本研究では,共形予測(CP)の性能を標準対向攻撃の文脈で検証することにより,ディープラーニングモデルの不確実性について検討する。
  論文  参考訳（メタデータ） (2024-05-14T18:05:19Z)
• Distributional Reward Estimation for Effective Multi-Agent Deep Reinforcement Learning [19.788336796981685]
  実効的マルチエージェント強化学習(DRE-MARL)のための分散逆推定フレームワークを提案する。 本研究の目的は,安定トレーニングのための多行動分岐報酬推定と政策重み付け報酬アグリゲーションを設計することである。 DRE-MARLの優位性は,有効性とロバスト性の両方の観点から,SOTAベースラインと比較して,ベンチマークマルチエージェントシナリオを用いて実証される。
  論文  参考訳（メタデータ） (2022-10-14T08:31:45Z)
• Taming Multi-Agent Reinforcement Learning with Estimator Variance Reduction [12.94372063457462]
  分散実行(CT-DE)による集中トレーニングは、多くの主要なマルチエージェント強化学習(MARL)アルゴリズムの基礎となっている。 特定の状態における共同行動の単一のサンプルから学ぶことに依存しているため、これは重大な欠点に悩まされる。 本稿では,アクター・クリティカルなMARL法に対応する拡張ツールを提案する。
  論文  参考訳（メタデータ） (2022-09-02T13:44:00Z)

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。