論文の概要: Belief-Conditioned Multi-Agent Actor Critic for Decentralized LLM Collaboration
- arxiv url: http://arxiv.org/abs/2610.35398v1
- Date: Mon, 26 Oct 2026 13:12:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.936788
- Title: Belief-Conditioned Multi-Agent Actor Critic for Decentralized LLM Collaboration
- Title（参考訳）: 分散LLMコラボレーションのための信念記述型マルチエージェントアクタ批判
- Abstract要約: エージェントは限られたコミュニケーションで独立して実行し、共同目的を共有し、コミュニケーショントレースから有用な情報を推測する必要があるため、分散マルチエージェント強化学習(MARL)は困難である。
本稿では,文脈情報に対する信念を維持し,学習の促進に活用するBreief-Conditioned Multi-Agent Actor-Critic法を提案する。
- 参考スコア（独自算出の注目度）: 12.426381127339853
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent work has explored optimizing LLM collaboration through Multi-Agent Reinforcement Learning (MARL), but many approaches still rely on predefined workflows, limiting efficiency and scalability. Decentralized LLM collaboration is challenging because agents execute independently with limited communication, share a joint objective, and must infer useful information from communication traces. In this paper, we propose BCMAAC, a Belief-Conditioned Multi-Agent Actor-Critic method that maintains beliefs over contextual information and uses them to facilitate training. Experiments on Minecraft game-playing, web searching and tool-using tasks show that BCMAAC improves task performance and collaborative behavior compared to naive actor-critic baselines. The improvements are particularly pronounced in multi-turn tasks with richer contextual information, where belief modeling provides a clear advantage.
- Abstract（参考訳）: MARL(Multi-Agent Reinforcement Learning)によるLLMコラボレーションの最適化について,近年の研究が進められている。
エージェントは限られたコミュニケーションで独立して実行し、共同目的を共有し、コミュニケーショントレースから有用な情報を推測する必要があるため、分散LLMコラボレーションは困難である。
本稿では,BCMAAC(BCMAAC)を提案する。BCMAACは,コンテキスト情報に対する信念を維持し,学習を容易にするための手法である。
Minecraftのゲームプレイ、Web検索、ツール使用タスクの実験では、BCMAACは、単純で批判的なベースラインに比べて、タスクのパフォーマンスと協調的な振る舞いを改善している。
この改善は、信念モデリングが明確な優位性を提供する、よりリッチなコンテキスト情報を持つマルチターンタスクにおいて特に顕著である。
関連論文リスト
- Collaborating Action by Action: A Multi-agent LLM Framework for Embodied Reasoning [12.923902619187274]
この研究は、LLMが複雑な具体的推論タスクを実行するために適応的に協調する方法について研究する。
MINDcraftは、LLMエージェントがMinecraftのオープンワールドゲームでキャラクターを制御できるようにするプラットフォームである。
実験により、現在最先端のエージェントに効果的に協力する際の主要なボトルネックは、効率的な自然言語通信であることがわかった。
論文 参考訳（メタデータ） (2025-04-24T21:28:16Z) - Collab-Overcooked: Benchmarking and Evaluating Large Language Models as Collaborative Agents [21.328894420020443]
LLM(Large Language Models)ベースのエージェントシステムは、従来のNLPタスクを超えて、現実世界のアプリケーションにおいて大きな進歩を遂げてきた。
本稿では,インタラクティブ環境において,より適用性が高く,課題の多いOvercooked-AIゲーム上に構築された新しいベンチマークであるCollab-Overcookedを提案する。
論文 参考訳（メタデータ） (2025-02-27T13:31:13Z) - MAPoRL: Multi-Agent Post-Co-Training for Collaborative Large Language Models with Reinforcement Learning [26.736078756799635]
新しいポストトレーニングパラダイムMAPoRL(強化学習を用いた協調LLMのためのマルチエージェントポストトレーニング)を導入する。
MAPoRLでは、複数のLLMが独立して独自の応答を生成し、最終回答を協調的に改善するためのマルチターンディスカッションを行う。
MAPoRL検証器は、回答の正しさを検証するスコアを割り当てることで、回答と議論の両方を評価する。
スコアはコトレーニング報酬として機能し、マルチエージェントRLによって最大化される。
論文 参考訳（メタデータ） (2025-02-25T18:33:48Z) - Towards Efficient LLM Grounding for Embodied Multi-Agent Collaboration [68.29746557968107]
本稿では,多エージェント協調のための新しいフレームワークを提案する。これは,効率的な自己調整のための強化アドバンテージフィードバック(Reinforced Advantage feedback, ReAd)を導入する。
Over-AIと難解なRoCoBenchの実験は、ReAdが成功率のベースラインを超え、エージェントの相互作用ステップを著しく減少させることを示している。
論文 参考訳（メタデータ） (2024-05-23T08:33:19Z) - Corex: Pushing the Boundaries of Complex Reasoning through Multi-Model Collaboration [83.4031923134958]
Corexは,大規模言語モデルを自律エージェントに変換する,新たな汎用戦略スイートだ。
人間の振る舞いにインスパイアされたCorexは、Debate、Review、Retrieveモードといった多様なコラボレーションパラダイムによって構成されている。
我々は,複数のLDMを協調的に演奏することで,既存の手法に比べて性能が著しく向上することが実証された。
論文 参考訳（メタデータ） (2023-09-30T07:11:39Z)
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。