Relatórios de IA · Stanford Digital Economy Lab · 2026-10-29 · Artigo de pesquisa
Agentes de Modelos de Linguagem de Grande Porte Multiusuário - Stanford Digital Economy Lab
Título original: Multi-User Large Language Model Agents - Stanford Digital Economy Lab
Agentes baseados em LLM são cada vez mais usados como assistentes de planejamento e tomada de decisão, mas a maioria é otimizada para atender a um único usuário. À medida que entram nos fluxos de trabalho de equipes, eles precisam atender a vários usuários com diferentes papéis e níveis de autoridade, o que gera conflitos, assimetria de informação e problemas de privacidade. O estudo apresenta o primeiro exame sistemático desses agentes multiusuário, testando seguimento de instruções, preservação de privacidade e coordenação, e conclui que os LLMs de fronteira têm dificuldade em manter prioridades estáveis diante de objetivos conflitantes, apresentam mais violações de privacidade em interações de várias rodadas e se tornam ineficientes quando a coordenação exige coleta iterativa de informações.