論文の概要: AGiR: Mitigating Gift Over-Reliance in Mixed-Motive Games

• arxiv url: http://arxiv.org/abs/2611.02875v1
• Date: Mon, 02 Nov 2026 10:13:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 14:41:50.415303
• Title: AGiR: Mitigating Gift Over-Reliance in Mixed-Motive Games
• Title（参考訳）: AGiR:Mixed-Motive Gamesにおけるギフトオーバー信頼の軽減
• Abstract要約: 混合動機ゲーム(MMG)は、利己的なエージェントが協力し、競争しなければならない様々な実世界のマルチエージェントシナリオをモデル化する。 我々は,MMGにおける協力と競争のバランスをとるため,拒絶強化された贈与フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 20.981576768644732
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we consider mixed-motive games (MMGs) which model various real-world multi-agent scenarios where self-interested agents must both cooperate and compete. We identify an issue with existing gifting methods, where agents become overly dependent on incoming gifts and fail to learn reward-yielding behaviors, a phenomenon we call gift over-reliance. To address this, we propose a refusal-augmented gifting framework that balances cooperation and competition in MMGs. Our approach introduces an adaptive refusal mechanism that allows agents to selectively reject a portion of received gifts from their policy-update signals, thereby mitigating gift over-reliance and preventing the agents from being exploited by other agents. This mechanism is gifting-method-agnostic, serving as a plug-in for existing schemes while enabling decentralized learning. We demonstrate that across diverse MMG environments and gifting schemes, our mechanism consistently reduces gift over-reliance and prevents lock-in to sacrificing policies, improving $α$-fairness as a result, without necessitating major changes to existing training pipelines.
• Abstract（参考訳）: 本稿では,利己的なエージェントが協力し,競い合わなければならない様々な実世界のマルチエージェントシナリオをモデル化する混合動機ゲーム(MMG)について考察する。 既存の贈与手法では、エージェントが贈与に過度に依存し、賞与行動の学習に失敗し、贈与過信と呼ばれる現象が生じる。 そこで本研究では,MMGにおける協力と競争のバランスをとるため,拒絶強化された贈与フレームワークを提案する。 提案手法では,受信したギフトの一部を政策更新信号から選択的に拒否できる適応的拒絶機構を導入し,ギフト過度を軽減し,エージェントが他のエージェントに悪用されるのを防ぐ。 このメカニズムは、既存のスキームのプラグインとして機能し、分散学習を可能にする。 多様なMMG環境やギフトスキームにおいて、我々のメカニズムは、既存のトレーニングパイプラインに大きな変更を加えることなく、贈与過信を一貫して低減し、ポリシーを犠牲にするロックインを防止し、結果として$α$-fairnessを改善していることを実証する。

関連論文リスト

• Multi-Agent Relay Thinking [71.57818799232307]
  マルチエージェント信頼誘導リレー(MACR) 我々はエージェント間の動的リレー協調を可能にするフレームワークであるMulti-Agent Confidence-Guided Relay(MACR)を紹介する。
  論文  参考訳（メタデータ） (2026-10-26T11:10:10Z)
• Reward Hacking in the Era of Large Models: Mechanisms, Emergent Misalignment, Challenges [87.04241991512386]
  本稿では、報酬ハッキングを理解するための統一フレームワークとして、PCH(Proxy Compression hypothesis)を提案する。 この観点では、報酬のハッキングは、客観的圧縮、最適化増幅、評価器-政治共適応の相互作用から生じる。 この視点は、RLHF、RLAIF、RLVR体制をまたいだ経験的現象を統一し、局所的ショートカット学習がより広範な誤認識へと一般化する方法について説明している。
  論文  参考訳（メタデータ） (2026-04-15T08:11:34Z)
• CoMAS: Co-Evolving Multi-Agent Systems via Interaction Rewards [80.78748457530718]
  自己進化(Self-evolution)は、大規模言語モデル(LLM)ベースのエージェントが事前トレーニング後の能力を継続的に改善できるようにする上で、中心的な研究トピックである。 エージェントがエージェント間相互作用から学習することで自律的に改善できる新しいフレームワークであるCo-Evolving Multi-Agent Systems (CoMAS)を紹介する。
  論文  参考訳（メタデータ） (2025-10-09T17:50:26Z)
• Steering No-Regret Agents in MFGs under Model Uncertainty [19.845081182511713]
  本研究では,密度非依存遷移を伴う平均フィールドゲームにおけるステアリング報酬の設計について検討する。 我々は,エージェントの行動と所望の行動との累積的ギャップについて,サブ線形後悔の保証を確立する。 本研究は, 不確実な大人口システムにおいて, エージェントの操舵行動に有効な枠組みを提案する。
  論文  参考訳（メタデータ） (2025-03-12T12:02:02Z)
• Estimating and Incentivizing Imperfect-Knowledge Agents with Hidden Rewards [4.742123770879715]
  実際には、インセンティブ提供者はインセンティブ付きエージェントの報酬実現を観察できないことが多い。 本稿では,自己関心学習エージェントと学習プリンシパルの繰り返し選択ゲームについて検討する。 我々は,プリンシパルのインセンティブとエージェントの選択履歴のみを入力とする推定器を導入する。
  論文  参考訳（メタデータ） (2023-08-13T08:12:01Z)
• Robust Allocations with Diversity Constraints [65.3799850959513]
  エージェント値の積を最大化するナッシュ福祉規則は,多様性の制約が導入されたとき,一意にロバストな位置にあることを示す。 また, ナッシュ・ウェルズによる保証は, 広く研究されているアロケーション・ルールのクラスにおいて, ほぼ最適であることを示す。
  論文  参考訳（メタデータ） (2021-09-30T11:09:31Z)
• Emergent Prosociality in Multi-Agent Games Through Gifting [14.943238230772264]
  強化学習アルゴリズムは、複数の平衡が存在する場合、社会的に望まれない均衡に収束する。 我々は,より社会的に望ましい均衡に向けてエージェントを誘導する,制約の少ないピアリワード機構,ギフトの利用を提案する。 我々は、社会的均衡への収束における贈与の利点を捉えた理論的枠組みを用いる。
  論文  参考訳（メタデータ） (2021-05-13T23:28:30Z)
• Maximizing Information Gain in Partially Observable Environments via Prediction Reward [64.24528565312463]
  本稿では,深いRLエージェントに対する信念に基づく報酬の活用という課題に取り組む。 負のエントロピーと予測される予測報酬の正確な誤差を導出する。 この洞察は、予測報酬を用いたいくつかの分野の理論的動機を与える。
  論文  参考訳（メタデータ） (2020-05-11T08:13:49Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)
• Value Variance Minimization for Learning Approximate Equilibrium in Aggregation Systems [8.140037969280716]
  集約システムにおける近似平衡解(ウィンウィン)の学習問題を考察する。 本稿では,集約システムにおける近似平衡解(ウィンウィン)の学習の問題について考察する。
  論文  参考訳（メタデータ） (2020-03-16T10:02:42Z)

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。