The Hidden Strength of Disagreement: Unraveling the Consensus-Diversity Tradeoff in Adaptive Multi-Agent Systems

要約

コンセンサス形成は、マルチエージェントシステム（MAS）で極めて重要であり、集合的な一貫性と個々の多様性のバランスを取ります。
従来のLLMベースのMAは、主に明示的な調整、たとえばプロンプトまたは投票に依存しており、早期均質化を危険にさらしています。
エージェントが情報を交換しながら、コンテキスト内学習を介して独立して決定を形成する暗黙のコンセンサスは、長老の適応性を必要とする動的環境でより効果的になる可能性があると主張します。
部分的な多様性を維持することにより、システムは新しい戦略をよりよく探求し、外部ショックに対処することができます。
暗黙の方法が明示的な方法よりも優れている条件を示すコンセンサスダイバーシティトレードオフを正式にします。
動的な災害対応、情報の拡散と操作、動的な公共財産の規定の3つのシナリオでの実験は、グループ規範からの部分的な逸脱を確認し、探索、堅牢性、パフォーマンスを高めます。
コンテキスト内学習を介して緊急の調整を強調し、回復力のある意思決定のために多様性を維持することの価値を強調します。

要約(オリジナル)

Consensus formation is pivotal in multi-agent systems (MAS), balancing collective coherence with individual diversity. Conventional LLM-based MAS primarily rely on explicit coordination, e.g., prompts or voting, risking premature homogenization. We argue that implicit consensus, where agents exchange information yet independently form decisions via in-context learning, can be more effective in dynamic environments that require long-horizon adaptability. By retaining partial diversity, systems can better explore novel strategies and cope with external shocks. We formalize a consensus-diversity tradeoff, showing conditions where implicit methods outperform explicit ones. Experiments on three scenarios — Dynamic Disaster Response, Information Spread and Manipulation, and Dynamic Public-Goods Provision — confirm partial deviation from group norms boosts exploration, robustness, and performance. We highlight emergent coordination via in-context learning, underscoring the value of preserving diversity for resilient decision-making.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google