论文

战略性算法单一化:来自协调博弈的实验证据

Strategic Algorithmic Monoculture:Experimental Evidence from Coordination Games

模型评测模型行为与机制分析

摘要

AI智能体日益运行于结果取决于协调的多智能体环境中。我们将初级算法单一化(primary algorithmic monoculture,即基线动作相似性)与战略性算法单一化(strategic algorithmic monoculture,即智能体依据激励调整相似性)区分开来。我们实施了一种能够干净分离这两种力量的简单实验设计,并将其施用于人类与大语言模型(Large Language Model, LLM)被试。LLM表现出高水平的基线相似性(初级单一化),并且与人类一样,它们会响应协调激励来调节这种相似性(战略性单一化)。尽管LLM在相似动作上的协调表现极佳,但在分歧受到奖励时,它们在维持异质性方面落后于人类。

战略性算法单一化:来自协调博弈的实验证据
图 1:按科目类型和治疗划分的一致率 注:条形图报告按治疗划分的人类和大语言模型科目的问题主题的平均一致率。 LLM 同意率是所有 LLM 面对相同模型时的平均值。黑色十字形标记表示中位数。