L'IA face aux grands problèmes du monde · Économie et sciences sociales · arXiv · 2026-10-19
Discrimination et polarisation émergentes dans les systèmes multi-agents
Titre original: Emergent Discrimination and Polarization in Multi-Agent Systems
Cet article étudie de manière théorique comment la discrimination et la polarisation peuvent émerger parmi des agents apprenants. Chaque agent associe un plongement (embedding) d'un modèle de langage d'une question à une opinion binaire, et met à jour sa confiance envers les autres agents grâce à une règle bayésienne en ligne. Des expériences d'apprentissage en contexte avec de grands modèles de langage reproduisent qualitativement les mises à jour prédites, et les simulations font apparaître quatre états collectifs selon l'intensité et la prévalence du biais de groupe.