EmoMAS：ベイズ的オーケストレーションによる、高リスクなエッジ展開可能交渉のための感情認識マルチエージェントシステム
arXiv cs.AI / 2026/4/10
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、オンデバイスの高リスク環境において大規模言語モデルを用いる際の計算コストとプライバシーリスクを低減することを目的とした、感情認識型マルチエージェント交渉システムEmoMASを提案する。
- EmoMASは、ゲーム理論、強化学習、心理的コヒーレンスの3つの専門エージェントを協調させるためにベイズ的オーケストレーション層を用い、感情的な判断を単なる反応ではなく戦略的なものにする。
- この枠組みは、交渉フィードバックに基づいて各エージェントの信頼性を継続的に更新し、各エージェントからの統合されたリアルタイム信号を用いて感情状態遷移を最適化する。
- 重い事前学習を前提とする手法とは異なり、EmoMASは、モース・オブ・エージェント（複数エージェントの混合）アーキテクチャによってオンラインで戦略学習を達成できると主張する。
- 著者らはさらに、交差借金（debt）、医療（healthcare）、緊急対応（emergency response）、教育（education）を含む、エッジ展開可能な新しい交渉ベンチマークを4つ提案し、EmoMASで拡張したSLMおよびLLMの双方が、ベースラインを上回る性能を示しつつ倫理的な振る舞いを維持することを報告している。
