从某种厄运到生存：LLM代理协会中代理驱动的自治

多主体大语言模型系统越来越多地在社会困境中进行评估，但大多数工作将治理视为由实验者强加的、口头表达的或仅限于固定的机制菜单。我们引入了 GovSim-SelfGovern，它是 GovSim 公共池资源环境的扩展，其中代理编写可执行的 Python 治理规则、接收沙箱验证反馈、对拟议法律进行投票，并遵守他们在各轮制定的规则。为了评估智能体驱动的自治，我们研究了三种场景，从稳定的丰度到致命的资源墙，其中五个智能体无法仅通过收获而生存。为了解决这个问题，代理人必须及时编写和调试有用的法律，以免其机构在资源压力下急剧退化。最后，我们研究一个中心对齐问题：当代理人犹豫提议放逐时，他们是出于规范原因拒绝它，还是它永远不会进入他们的候选集？我们的结果表明，可执行的治理改善了主体可能干预的空间，但生存取决于主体是否及时发现正确的制度机制。财政能力使重新分配成为可能，而更深入的推理和取消民主否决权则使流亡变得更加可行。因此，GovSim-SelfGovern 将可执行代码操作调整为公共池治理设置，并展示了稀缺性如何将机构作者身份转变为政治和道德问题。