大規模言語モデル（LLM）を活用した複数エージェントシステムは、非協力的な環境での配置が急速に増えている。このような環境では、エージェント間で情報が不対称であり、相互に隠された目的や対立する目的により戦略的な欺瞞が生じやすい。そうした状況において、集団的な目標からの乖離（ミスアライメント）が重大な懸念事項となる。 本研究では、推理ゲーム「人狼」を用いて、目的のミスアライメントを評価するための新しい枠組みを提案している。単一のエージェントの目的を変更しながら、割り当てられた役割は保持するというアプローチを採用している。異なる4つのモデルファミリーと様々なサイズのLLM、4つのプレイヤー役割、3つの目的構成にわたって、エージェントの内部推論と公開チープトーク（利用にコストがなく、エージェントの利得に直接影響しない非拘束的な通信）の二重分析を実施した。これはゲーム結果の分析によって補完されている。 研究結果は、目的のミスアライメントが本質的に敵対的な環境での成果を損なうことを示している。この悪影響は、情報の非対称性と特殊化された役割によってさらに悪化する。重要な発見として、目的がずれたエージェントは一貫して目的に依存した異なる推論戦略を展開する一方で、これらの適応は公開行動ではほぼ見えないままである。これらの知見は、たとえ微妙な目的のミスアライメントであっても集団的意思決定に深刻な影響を与える可能性があること、したがってLLMベースの複数エージェントシステムに対する効果的な軽減戦略の必要性を示唆している。