論文の概要: Zero-Shot Coordination among LLM Agents

• arxiv url: http://arxiv.org/abs/2611.06409v1
• Date: Wed, 04 Nov 2026 12:12:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.103182
• Title: Zero-Shot Coordination among LLM Agents
• Title（参考訳）: LLM剤のゼロショット調整
• Abstract要約: ゼロショットコーディネート (ZSC) について検討し, 独立に開発したエージェントはテスト時に調整しなければならない。 我々は、特定の調整課題を分離するために設計された最小限の環境における、単純で汎用的な足場に焦点を当てる。
• 参考スコア（独自算出の注目度）: 11.183798077647728
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study zero-shot coordination (ZSC), where independently developed agents must coordinate at test time. While ZSC has been well studied in the RL literature, far less is known about the performance of LLM agents despite their increasing deployment in such settings. Existing work on LLM coordination often relies on specialised scaffolding that independently developed agents are unlikely to share in practice. Moreover, evaluations on complex environments (e.g., Hanabi) make it difficult to pinpoint the sources of coordination failure. In contrast, we focus on simple, general-purpose scaffolds in minimal environments designed to isolate specific coordination challenges. Our results show that even in these controlled settings, frontier LLM agents struggle to coordinate, largely due to limited understanding of the coordination problem and weak reasoning about their partner's beliefs. While LLMs introduce semantic information as an additional axis for coordination, they nonetheless fail to exploit this structure effectively. Towards this, we propose Coordination-friendly definitions (CFDs) as a principled approach for enabling robust coordination among LLM agents. Finally, we show that CFDs can be discovered automatically, removing the need for manual engineering. Code is available at https://github.com/ahayler/zsc-llm-agents.
• Abstract（参考訳）: ゼロショットコーディネート (ZSC) について検討し, 独立に開発したエージェントはテスト時に調整しなければならない。 ZSCはRLの文献でよく研究されているが、そのような環境での展開が増加しているにもかかわらず、LLMエージェントの性能についてはあまり知られていない。 LLM調整に関する既存の研究は、独立して開発されたエージェントが実際に共有できない特別な足場に依存していることが多い。 さらに、複雑な環境(例えば、ハナビ)における評価は、調整失敗の原因を特定するのが困難である。 対照的に、我々は、特定の調整課題を分離するために設計された最小限の環境における、単純で汎用的な足場に焦点を当てている。 これらの制御された状況においても、フロンティアのLLMエージェントは調整に苦慮しており、コーディネーションの問題に対する理解が限られており、パートナーの信念に対する推論が弱いことが主な原因である。 LLMはセマンティック情報を協調のための追加軸として導入するが、それでもこの構造を効果的に活用することはできなかった。 そこで本研究では,LLMエージェント間のロバストな協調を実現するための原則的アプローチとして,コーディネーションフレンドリな定義(CFD)を提案する。 最後に、CFDを自動で検出できることを示し、手動エンジニアリングの必要性を排除した。 コードはhttps://github.com/ahayler/zsc-llm-agentsで入手できる。

関連論文リスト

• Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks [48.90302419915548]
  異種大規模言語モデル(LLM)を駆使したエージェントチームは、スマートファクトリー、倉庫、サービスロボティクスに広く配備されている。 軽量ディジタルツイン(DT)上に構築したネットワーク協調フレームワーク LDT-Coord を提案する。 具体的には、各エージェントは、意図したアクションを独立して選択し、共有リソースに対するアクション決定と構造化時間制約の両方をDTサーバに通知する。
  論文  参考訳（メタデータ） (2026-07-10T12:10:31Z)
• Benchmarking Open-Ended Multi-Agent Coordination in Language Agents [48.1363632826625]
  Alemは、手続き的に生成されたコーディネーションタスク、ソフトな特殊化、コミュニケーション、制御可能なコーディネーションの難しさを、長い水平サバイバルの世界に埋め込む。 Craftaxライクなダイナミックス上に構築されたオープンなマルチエージェント協調のためのJAXベースのベンチマークである$alem$を紹介します。
  論文  参考訳（メタデータ） (2026-06-06T21:13:43Z)
• Benchmarking LLMs' Swarm intelligence [51.648605206159125]
  大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。 分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。 本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
  論文  参考訳（メタデータ） (2025-05-07T12:32:01Z)
• LLM-Coordination: Evaluating and Analyzing Multi-agent Coordination Abilities in Large Language Models [23.092480882456048]
  大きな言語モデル(LLM)は、創発的な常識推論と心の理論(ToM)能力を示している。 本研究では,Pure Coordination Sets の文脈で LLM を解析するための新しいベンチマークである LLM-Coordination Benchmark を紹介する。
  論文  参考訳（メタデータ） (2023-10-05T21:18:15Z)

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。