AgentSociety：激励代理社交智能

部署的代理的成功取决于它们利用其固有功能处理开放式用户请求的能力，不仅直接解决请求，而且随着时间的推移有效利用代理间通信渠道和反馈信号。这需要一个多代理环境，其中代理可以自主操作、战略性沟通、协作行为并受经济激励驱动，就像社会中的人类一样。为了实现这一愿景，我们提出了 $\mathtt{AgentSociety}$，这是一种基于社会选择理论的流动民主和信息扩散的去中心化代理协作机制。我们表明，$\mathtt{AgentSociety}$ 为智能体提供了一个环境，让它们利用当地环境做出自主决策，以最大化其效用，同时通过激励性协作实现集体成果。具体来说，我们证明委托给更有能力的邻居代理是激励兼容的，并且通过共识自然地生成多代理路由路径。此外，我们的机制激励智能体在符合自身利益的情况下选择性地向其邻居智能体披露信息，从而获得影响力。我们描述了纳什均衡，表明智能体的收益反映了他们的边际贡献。我们将 $\mathtt{AgentSociety}$ 中部署的开放和专有的最先进语言模型采用的策略配置文件与最佳响应进行比较和基准测试。最后，我们在现实世界数据集上评估 $\mathtt{AgentSociety}$ 中自利异构代理之间基于共识的路由的协作性能。