下一代 LLM 智能体系统合作的演化动力学：跨提供商的实证扩展
摘要
下一代 LLM 智能体是否继承了其前任所记录的合作偏见，或者随着规模和提供商多样性的改变，是否重塑了竞争多智能体环境中的平衡行为？Willis等人使用进化博弈论和迭代囚徫困境（IPD），建立了一个此问题的基准，发现ChatGPT-4o和Claude 3.5 Sonnet中保持一致的合作偏见。我们将此基准扩展到2025-2026年发布的四个前沿模型——Claude Sonnet 4.6、Gemini 2.5 Flash、Gemini 3.1 Pro和GPT-5.4 Mini——在三个提示风格（默认、散文、自我精炼）和四种人口组成（平衡偏置、带噪声与无噪声）下应用相同的协议。合作偏见在提供商之间仍然存在（H1）：在平衡无噪声条件下，九个十二个模型-提示组合都倾向于合作均衡。跨提供商差异显著（H3）：Gemini 2.5 Flash在偏置条件下可达到最高77%的攻击性均衡，而GPT-5.4 Mini在自我精炼下可达到70%的合作均衡。对攻击能力平衡的支持是部分的（H2）：自我精炼在所有模型中提升了IPD，Claude Sonnet 4.6 Refine 在数据集中实现了最高的IPD（0.913），但默认和散文提示没有系统性地缩小差距。关于噪声鲁棒性的证据是方向性的但未得到可靠确认（H4）：在每个条件下进行500次莫森迭代后，Claude Sonnet 4.6的平均噪声灵敏度约为6个百分点，而Claude 3.5 Sonnet为13个百分点，但在考虑前任未报告的抽样误差后，这一跨研究差距并不显著。提供商身份而非模型代数是平衡结果的最强相关因子；无论模型规模或年代如何，噪声始终是一个普遍挑战。
引用
@article{arxiv.2605.29874,
title = {Evolutionary Dynamics of Cooperation in Next-Generation LLM Agent Systems: A Cross-Provider Empirical Extension},
author = {Francisco León Zúñiga Bolívar},
journal= {arXiv preprint arXiv:2605.29874},
year = {2026}
}
备注
10 pages, 3 figures, 8 tables. Extends Willis et al. (arXiv:2501.16173). Code and n=500 replication package: https://github.com/arqFranciscoLeon/evollm (archived: https://doi.org/10.5281/zenodo.20248615)