技術要約: BOUNDARY_SYNC

問題提起

大規模言語モデル（LLM）が、協調的な推論、討論、社会的シミュレーションなどのタスクにおける通信エージェントとしてマルチエージェントシステムに導入されることが増加する中で、ある重要な問いが未解決のまま残されている。それは、「エージェント間の通信が、出力を均質化されたコンセンサスへと収束させ、マルチエージェント・アーキテクチャの多様性の利点を損なうのではないか？」という点である。並行研究では、表現の崩壊（representational collapse）、ハーディング（herding）、同調（conformity）といった現象が記録されているが、（a）通信を因果メカニズムとして孤立させ、（b）共通のスケールで結合強度を定量化し、（c）一過的なプロンプト駆動の効果と累積的な意見更新を区別するための、標準化された測定プロトコルが欠如している。

手法: BOUNDARY_SYNC プロトコル

著者らは、**結合増幅係数（Coupling Amplification Factor: CAF）**を通じて表現の結合を定量化するために設計された測定プロトコル、BOUNDARY_SYNCを導入する。

実験設計

• エージェント: $K$ 個のエージェントが、$T=10$ ステップにわたって刺激を反復的に分析する。
• 刺激:
  • テキスト条件: エージェントは、モデルの事前知識に基づき、職業シナリオにおけるジェンダー・ステレオタイプを評価する（主要な実験では明示的なテキストの記述は提供されない）。
  • 画像条件: エージェントは、プロシージャルに生成された合成シーン画像（512×384）をビジョンAPIを介して分析し、構造化された確率分布を出力する。
• 通信メカニズム: 特定の間隔（3ステップごと）で、エージェントは以下の内容を含むプロトコル・メッセージを受け取る：
  1. 前ラウンドにおける自身の混合分布。
  2. 他の全エージェントの平均分布（隣接するコンセンサス）。
  3. 自身の出力と隣接するコンセンサスの重み付けに関する指示（デフォルトは $\alpha=3, \beta=2$ であり、期待される自己重みは0.6、隣接重みは0.4となる）。
• 指標 (CAF):
  $$CAF = \frac{\bar{JSD}_{cond}}{\bar{JSD}_{baseline}}$$
  ここで $\bar{JSD}$ は、エージェントの前回の戦略とその現在の出力との間の、ステップごとの平均イェンセン・シャノン・ダイバージェンス（Jensen-Shannon Divergence）である。
  • $CAF < 1$: 均質化（通信が出力の変化を減少させる）。
  • $CAF \approx 1$: 独立。
  • $CAF > 1$: 多様化。
• コントロール（対照実験）: 本研究は、以下の厳格なコントロールを採用している：
  • 同期なしアブレーション (No-sync ablation): プロトコル・メッセージを無効化してベースラインを確立する。
  • プロンプト摂動 (Prompt perturbation): 隣接コンセンサスを無関係なWikipediaのテキストに置き換え、社会的な効果を一般的なプロンプトの複雑さから分離する。
  • グループ・サイズの変動: $K=3$ と $K=5$ の比較テスト。
  • クロスモデル・レプリケーション: GPT-4o、DeepSeek V4 Pro、および Qwen3.7-Plus を使用。
  • ステートレス分析 (Stateless analysis): ラウンドごとにコンセンサスのオン/オフを切り替え、軌道のダイナミクスを観察する。

主要な貢献

1. 均質化の因果的証拠: プロトコルは、GPT-4o においてテキスト通信が有意な均質化を引き起こすという因果的証拠を提供しており、これは「同期なし」のアブレーションおよびプロンプト摂動コントロールによって確認されている。
2. モダリティに適したベースライン: 著者らは、モダリティ間の比較にはモダリティ固有のベースラインが必要であることを確立している。適切に正規化された場合、テキストと画像の通信は共に、同程度の規模で比例的な均質化を生じさせるが、画像タスクは初期エントロピーが高いため、絶対的な多様性の損失がより大きい。
3. 調整変数としてのグループ・サイズ: 本研究は、結合の方向性を変化させる主要な設計パラメータとしてグループ・サイズ（$K$）を特定している。$K=5$ は均質化をもたらすが、$K=3$ は多様化（$CAF > 1$）をもたらす。
4. モデル固有の変動とアーティファクトの特定: プロトコルは、モデル間で結合の感受性に極端な差異があることを明らかにしている（CAFの範囲は 0.034–0.803）。特に、DeepSeek V4 Pro における ゼロに近い CAF は、真の社会的結合ではなく、フォーマットのアーティファクト（制約されたJSON出力）によるものであることを特定している。
5. ステートレスな結合メカニズム: 本研究は、結合がステートレスであり、プロンプトのコンテキスト内にピア（仲間）の情報が即座に存在することによって駆動されることを実証している。結合は、ピアの情報が取り除かれると消失するため、累積的で永続的な内部状態の更新を予測する古典的な意見力学モデル（例：DeGroot モデル）とは矛盾する。

主要な結果

• テキストの均質化: GPT-4o ($N=30$) において、テキスト通信（$K=5$）は $CAF = 0.803$($95% CI [0.740, 0.873]$) を示し、これはベースライン（$d=1.30, p < 0.001$）と比較して出力の変化が約20%減少していることを意味する。
• 画像の均質化: 画像通信は、自身の「通信なし」ベースラインと比較して $CAF_{image} = 0.834$ を示す。テキストと同程度ではあるが、視覚的タスクにおけるベースラインの多様性が高いため、絶対的な JSD の減少幅はより大きい（$\Delta = 0.044$ 対 $0.038$）。
• グループ・サイズの効果:
  • $K=5$: 均質化（テキストで $CAF \approx 0.80$、画像で $0.74$）。
  • $K=3$: 多様化（テキストで $CAF \approx 1.14$、画像で $1.06$）。
• プロンプト摂動: コンセンサスを無関係なテキストに置き換えると、GPT-4o において $CAF = 1.082$（多様化）となり、この効果が社会的なものであり、プロンプトの長さによるアーティファクトではないことが確認された。
• ステートレスなダイナミクス: ラウンドごとの JSD 軌跡は「のこぎり型」のパターンを示し、コンセンサスが存在すると低下し、取り除かれると即座に回復する。連続的なコンセンサスは、JSD がゼロ付近へと単調に収束することにつながるが、継続的な曝露がない限り、ラウンドをまたいだ累積的なドリフトは観察されない。
• シミュレーションとの比較: ノイズを含む DeGroot シミュレーションは、テキストの均質化を過大評価しており（$CAF_{sim}=0.657$ 対 $CAF_{real}=0.803$）、LLM の結合が持つステートレスで可逆的な性質を捉えることに失敗している。

意義と主張

本論文は、LLM エージェントの結合が、現実的であり、測定可能であり、比例的な観点においてモダリティ間で一貫しており、かつプロンプトレベルで制御可能であることを確立したと主張している。

• 設計への示唆: これらの知見は、マルチエージェント・システムの設計者が、プロンプト・コンテキスト（ピア情報の削除）やグループ・サイズを操作することで、出力の多様性を制御できることを示唆している。多様性（ブレインストーミング）のためには小さなグループ（$K=3$）が好まれる可能性があり、コンセンサス（事実検証）のためにはより大きなグループ（$K=5$）が好まれる可能性がある。
• 方法論的貢献: BOUNDARY_SYNC は、結合強度をベンチマークするための標準化された条件正規化指標（CAF）を提供し、この分野における標準化されたプロトコルの欠如に対処している。
• 理論的貢献: 結果は、LLM の結合が累積的な内部状態の更新の結果ではなく、ステートレスでコンテキスト依存的な現象であることを示すことで、古典的な意見力学モデルに異を唱えている。

著者らは、これらの結果が信頼できるマルチエージェント LLM システムの設計に直接的な示唆を与え、有益な多様性を維持しつつ、意図しない均質化の検出と緩和を可能にするものであることを強調している。