Evolution sozialer Normen bei LLM-Agenten mithilfe natürlicher Sprache

Jüngste Fortschritte bei Large Language Models (LLMs) haben ein großes Interesse daran geweckt, diese Modelle für spieltheoretische Simulationen zu nutzen, bei denen LLMs als einzelne Agenten in sozialen Interaktionen agieren. Diese Studie untersucht das Potenzial von LLM-Agenten, normative Strategien spontan durch natürlichen Sprachdiskurs zu erzeugen und einzuhalten, basierend auf der grundlegenden Arbeit zu Axelrods Metanorm-Spielen. Unsere Experimente zeigen, dass LLM-Agenten durch Dialog komplexe soziale Normen bilden können, wie zum Beispiel Metanormen – Normen, die die Bestrafung derjenigen erzwingen, die Betrug nicht bestrafen – ausschließlich durch Interaktion in natürlicher Sprache. Die Ergebnisse bestätigen die Wirksamkeit des Einsatzes von LLM-Agenten zur Simulation sozialer Interaktionen und zum Verständnis des Entstehens und der Entwicklung komplexer Strategien und Normen durch natürliche Sprache. Zukünftige Arbeiten könnten diese Erkenntnisse erweitern, indem sie ein breiteres Spektrum an Szenarien und Agenteneigenschaften einbeziehen, mit dem Ziel, nuanciertere Mechanismen hinter der Bildung sozialer Normen aufzudecken.