探索大语言模型智能体的协作机制：社会心理学视角

随着自然语言处理（NLP）系统日益应用于复杂的社会环境中，一个紧迫的问题浮现出来：在由多个大语言模型（LLM）构成的多智能体社会中，这些 NLP 系统能否映射出类人的协作智能？本文通过融合实践实验与理论洞察，探究当代 NLP 系统之间的协作机制。我们构建了四个由 LLM 智能体组成的独特“社会”，其中每个智能体具有特定的“特质”（随和或过度自信），并以独特的“思维模式”（辩论或反思）进行协作。通过在三个基准数据集上评估这些多智能体社会，我们识别出某些协作策略不仅超越了以往的顶级方法，还优化了效率（使用更少的 API token）。此外，我们的结果进一步表明，LLM 智能体展现出类人的社会行为，例如从众与达成共识，这与基础社会心理学理论相呼应。最后，我们结合社会心理学见解对 LLM 智能体的协作进行语境化，启发对 LLM 协作机制的进一步探究。我们承诺分享我们的代码与数据集\footnote{\url{https://github.com/zjunlp/MachineSoM}.}，希望促进这一有前景方向的进一步研究。