标签
本文介绍Fuse，一个多智能体模拟框架，用于评估LLM助手的社会推理能力。它通过用户介导的交互提供可验证的真实依据，并通过人类研究进行了验证，应用于12个LLM。
本文介绍了人类效用因子（HUF），一种可计算的福利指标，它将人工智能治理重构为一个约束优化问题，并为自动化深度、再分配和就业覆盖率提供了可衡量的杠杆，并通过多智能体模拟进行了验证。
本文介绍了 ComRate，一个来自 X 平台的大规模社区注释和评分数据集，并提出了 MultiCom，一种基于角色引导的多智能体框架，用于模拟社区注释评估。该方法在预测注释有用性方面达到了 84.7% 的准确率。
本文介绍了使用多智能体模拟语言中形态交替模式（如'go/went'）的出现，并利用AI历史语言学家（基于大语言模型）评估演化形态相对于真实语言的合理性。
介绍SovSim，一个多智能体模拟框架，用于研究具有不对称权力结构的LLM社会中的合作与资源可持续性。实验表明，引入主导智能体（老板或国王）会严重削弱合作和生存率，这一结果在11个最先进模型中普遍存在。
本文利用格陵兰主权危机作为案例，通过多智能体模拟测试大语言模型的地缘政治行为，揭示了胁迫框架会加剧升级，而和平获取极为罕见。