发现合作管线：序列社会困境的自主研究

我们研究了两层自主研究以实现合作：一个外环AI代理自主地重新设计用于多代理序列社会困境(SSDs)的LLM策略合成系统的内环管线。研究员代理 $\mathcal{R}$（作为编码代理运行）读取内环源代码，编辑系统提示、反馈函数、辅助库和迭代逻辑，运行评估，并决定保留哪些内容，遵循自主研究范式。在两个游戏（清理和收集）中，使用两个策略合成器LLM和两个福利目标（效用最大化和罗尔斯最大化），该研究可靠地超越手工设计的基线，显著紧缩运行间的方差，并优于仅进行的提示优化。发现的管线是目标依赖的：仅在最大化情况下，研究员会在合成器管线中注入显式的公平机制，这一机制类在其自身不包含公平机制的目标中立系统提示中，以及在每个效率优化管线中都不存在。这支持一种信息设计阅读，研究员根据福利目标选择向受限理性合成器透露什么信息。代码见 https://github.com/vicgalle/autoresearch-social-dilemmas。