LLawCo: 協調の法則を学習して具現化マルチエージェント行動をモデル化する

- 分散・部分観測環境で活動する embodied agents の協調を改善する枠組み LLawCo を提案。 - LLM-based agents が partner や環境状態と不一致な行動をとり、協調効率と成功率が低い問題に対処。 - 過去の失敗から misaligned behavioral patterns を抽出し、高次の behavioral laws を導出。 - 例として "Talk when necessary" や "Wait for partner" を明示的に chain of thought に組み込む。 - 新 benchmark PARTNR-Dialog も導入。

- 既存の LLM-based agents は partner と不一致、環境状態と不整合な行動をとり協調が非効率。 - LLawCo は失敗から behavioral laws を自律的に抽出し、reasoning を task 要件と他 agent 行動に整合させる。 - 4 つの backbone LLM で、state-of-the-art な open-source communicative agent frameworks に対し平均成功率を改善。 - PARTNR-Dialog で 4.5%、TDW-MAT で 6.8% 向上。

- 過去の失敗を振り返り misaligned behavioral patterns を抽出。 - そこから "Talk when necessary" 等の high-level behavioral laws を導出。 - これらの laws を supervised fine-tuning により agents の chains of thought に明示的に組み込む。 - これにより reasoning を task 要件と他 agent の行動に整合させる。

- 既存タスクと新 benchmark PARTNR-Dialog で実験。 - PARTNR-Dialog は PARTNR 環境上に構築された大規模 multi-agent communicative and cooperative planning benchmark。 - 4 つの backbone LLM で評価し、平均成功率が PARTNR-Dialog で 4.5%、TDW-MAT で 6.8% 向上。 - 比較対象は state-of-the-art open-source communicative agent frameworks。

- 要旨からは不明。 - 限界や失敗事例、計算コスト、laws の一般化可能性などは記述されていない。

- PARTNR 環境に関する研究。 - TDW-MAT benchmark に関する研究。 - state-of-the-art open-source communicative agent frameworks。 - LLM-based embodied multi-agent 協調に関する研究。