Buchumschlag

The Yerkes-Dodson Curve for AI Agents: Emergent Cooperation Under Environmental Pressure in Multi-Agent LLM Simulations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Pasichnyk, Ivan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beta-Scheduling: Momentum from Critical Damping as a Diagnostic and Correction Tool for Neural Network Training
von: Pasichnyk, Ivan
Veröffentlicht: (2026)

Emergent Convergence in Multi-Agent LLM Annotation
von: Parfenova, Angelina, et al.
Veröffentlicht: (2025)

Shapley-Coop: Credit Assignment for Emergent Cooperation in Self-Interested LLM Agents
von: Hua, Yun, et al.
Veröffentlicht: (2025)

CONSCIENTIA: Can LLM Agents Learn to Strategize? Emergent Deception and Trust in a Multi-Agent NYC Simulation
von: Sinha, Aarush, et al.
Veröffentlicht: (2026)

Graph of Agents: Principled Long Context Modeling by Emergent Multi-Agent Collaboration
von: Joo, Taejong, et al.
Veröffentlicht: (2025)

Cooperation Breakdown in LLM Agents Under Communication Delays
von: Nishimoto, Keita, et al.
Veröffentlicht: (2026)

AgentSchool: An LLM-Powered Multi-Agent Simulation for Education
von: Ye, Yulei, et al.
Veröffentlicht: (2026)

Emergent Cooperation in Quantum Multi-Agent Reinforcement Learning Using Communication
von: Kölle, Michael, et al.
Veröffentlicht: (2026)

Emergent Ecological Intelligence: Cross-System Knowledge Discovery from a Network of Environmental AI Agents
von: Eismann, Amir
Veröffentlicht: (2026)

Multi-Agent Reinforcement Learning Simulation for Environmental Policy Synthesis
von: Rudd-Jones, James, et al.
Veröffentlicht: (2025)

AgentMesh: A Cooperative Multi-Agent Generative AI Framework for Software Development Automation
von: Khanzadeh, Sourena
Veröffentlicht: (2025)

LAMARL: LLM-Aided Multi-Agent Reinforcement Learning for Cooperative Policy Generation
von: Zhu, Guobin, et al.
Veröffentlicht: (2025)

Beyond Cooperative Simulators: Generating Realistic User Personas for Robust Evaluation of LLM Agents
von: Chopra, Harshita, et al.
Veröffentlicht: (2026)

LLM-Guided Communication for Cooperative Multi-Agent Reinforcement Learning
von: Bae, Sangjun, et al.
Veröffentlicht: (2026)

CrimeMind: Simulating Urban Crime with Multi-Modal LLM Agents
von: Zeng, Qingbin, et al.
Veröffentlicht: (2025)

Cultural Evolution of Cooperation among LLM Agents
von: Vallinder, Aron, et al.
Veröffentlicht: (2024)

AgentComm-Bench: Stress-Testing Cooperative Embodied AI Under Latency, Packet Loss, and Bandwidth Collapse
von: Bansal, Aayam, et al.
Veröffentlicht: (2026)

Reproducibility Study of "Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents"
von: Curvo, Pedro M. P., et al.
Veröffentlicht: (2025)

COOP$^2$: Defining, Observing, and Repairing Cooperation in LLM Multi-Agent Systems
von: Yang, Hanqing, et al.
Veröffentlicht: (2026)

Defending LLM-based Multi-Agent Systems Against Cooperative Attacks with Sentence-Level Rectification
von: Luo, Yaoyang, et al.
Veröffentlicht: (2026)

Your Agent May Misevolve: Emergent Risks in Self-evolving LLM Agents
von: Shao, Shuai, et al.
Veröffentlicht: (2025)

Readable Minds: Emergent Theory-of-Mind-Like Behavior in LLM Poker Agents
von: Lin, Hsieh-Ting, et al.
Veröffentlicht: (2026)

An Improved Multi-Agent Algorithm for Cooperative and Competitive Environments by Identifying and Encouraging Cooperation among Agents
von: Qi, Junjie, et al.
Veröffentlicht: (2025)

Cooperative Reward Shaping for Multi-Agent Pathfinding
von: Song, Zhenyu, et al.
Veröffentlicht: (2024)

Interpreting Emergent Extreme Events in Multi-Agent Systems
von: Tang, Ling, et al.
Veröffentlicht: (2026)

Emergent Bias and Fairness in Multi-Agent Decision Systems
von: Madigan, Maeve, et al.
Veröffentlicht: (2025)

An Efficient Approach for Cooperative Multi-Agent Learning Problems
von: Aso-Mollar, Ángel, et al.
Veröffentlicht: (2025)

Concept Learning for Cooperative Multi-Agent Reinforcement Learning
von: Ge, Zhonghan, et al.
Veröffentlicht: (2025)

EU-Agent-Bench: Measuring Illegal Behavior of LLM Agents Under EU Law
von: Lichkovski, Ilija, et al.
Veröffentlicht: (2025)

Why Agents Compromise Safety Under Pressure
von: Jiang, Hengle, et al.
Veröffentlicht: (2026)

TAPE: Leveraging Agent Topology for Cooperative Multi-Agent Policy Gradient
von: Lou, Xingzhou, et al.
Veröffentlicht: (2023)

Exact Is Easier: Credit Assignment for Cooperative LLM Agents
von: Chen, Yanjun, et al.
Veröffentlicht: (2026)

12 Angry AI Agents: Evaluating Multi-Agent LLM Decision-Making Through Cinematic Jury Deliberation
von: Ersoz, Ahmet Bahaddin
Veröffentlicht: (2026)

On the Resilience of LLM-Based Multi-Agent Collaboration with Faulty Agents
von: Huang, Jen-tse, et al.
Veröffentlicht: (2024)

Kaleidoscopic Teaming in Multi Agent Simulations
von: Mehrabi, Ninareh, et al.
Veröffentlicht: (2025)

AgentNoiseBench: Benchmarking Robustness of Tool-Using LLM Agents Under Noisy Condition
von: Wang, Ruipeng, et al.
Veröffentlicht: (2026)

MDGYM: Benchmarking AI Agents on Molecular Simulations
von: Kumar, Vinay, et al.
Veröffentlicht: (2026)

GTM: Simulating the World of Tools for AI Agents
von: Ren, Zhenzhen, et al.
Veröffentlicht: (2025)

Agents of Change: Self-Evolving LLM Agents for Strategic Planning
von: Belle, Nikolas, et al.
Veröffentlicht: (2025)

LLM Agent for Fire Dynamics Simulations
von: Xu, Leidong, et al.
Veröffentlicht: (2024)