Bayesian optimization agents

大型语言模型（LLM）代理在随机化社会实验中展现网络效率

研究人员探索了大型语言模型（LLM）代理在社会实验中的表现，特别关注了研究网络化群体集体问题解决能力的Mason-Watts实验。他们对八种网络拓扑结构下的十六个LLM代理进行的计算实验表明，当被提示随机化初始选择时，LLM代理表现出显著的网络效率效应。这一简单指令将集体收益提高了三倍多，超过了跨网络类型的估计收益差异，尽管在空间搜索任务上，贝叶斯优化代理的表现仍优于LLM。