multi-agent systems evolutionary game theory cultural transmission cooperation
摘要

本研究探讨大型语言模型(LLM)智能体间的合作是否具有进化稳定性,以抵御搭便车者的入侵。我们研究了间接互惠捐赠博弈,其中LLM智能体观察行为轨迹并在连续尺度上进行捐赠。策略以自然语言提示的形式表示,并通过跨代的文化传递进行演化。在四种LLM后端中,对搭便车者入侵的鲁棒性差异超过一个数量级。该鲁棒性的最强预测因子是对手禀赋敏感性,即智能体区分合作与非合作对手的程度,这操作化了经典的图像评分机制。相比之下,对Leading-Eight L1范式的遵循并不能预测鲁棒性。鲁棒性取决于对背叛者的排斥:虽然合作奖励和背叛惩罚在不同模型间变化,但只有排斥背叛者的严格程度能预测对搭便车者入侵的抵抗力。这些发现揭示LLM智能体局限于类图像评分的歧视,未能发展出更稳健的Leading-Eight规范,突显了文化演化的LLM合作的根本脆弱性。

AI 推荐理由

论文核心研究LLM Agent策略通过文化传递进行代际演化及其稳定性,直接对应自我进化主题。

研究机构
RIKEN Tohoku University RIKNE
论文信息
作者 Kazuya Horibe, Kenji Itao, Wataru Toyokawa
发布日期 2026-08-05
arXiv ID 2608.04507
相关性评分 9/10 (高度相关)