KI und die schwierigen Probleme der Welt · Wirtschafts- & Sozialwissenschaften · arXiv · 2026-10-19
Emergente Diskriminierung und Polarisierung in Multi-Agenten-Systemen
Originaltitel: Emergent Discrimination and Polarization in Multi-Agent Systems
Diese Arbeit untersucht theoretisch, wie Diskriminierung und Polarisierung unter lernenden Agenten entstehen können. Jeder Agent bildet eine Einbettung einer Streitfrage aus einem Sprachmodell auf eine binäre Meinung ab und aktualisiert sein Vertrauen in andere Agenten mithilfe einer Online-Bayes-Regel. In-Context-Learning-Experimente mit großen Sprachmodellen reproduzieren die vorhergesagten Aktualisierungen qualitativ, und Simulationen zeigen vier kollektive Zustände in Abhängigkeit von der Stärke und Verbreitung der Gruppenverzerrung.