多智能体系统中涌现的歧视与极化

原标题: Emergent Discrimination and Polarization in Multi-Agent Systems

本文从理论上研究了学习型智能体之间如何产生歧视与极化。每个智能体将议题的语言模型嵌入映射为二元观点，并通过在线贝叶斯规则更新对其他智能体的信任。大语言模型的上下文学习实验在定性上复现了所预测的更新，模拟则显示，根据群体偏见的强度和普遍程度，会出现四种集体状态。