从单体到社群：分析角色诱导的多智能体相互作用偏差

大型语言模型（LLM）基于的多智能体系统日益用于模拟人类互动和解决协作任务。常见做法是为智能体分配角色以鼓励行为多样性。然而，这提出了一个尚未充分探讨的关键问题：角色是否引入偏差到多智能体相互作用中？本文对角色诱导的偏差进行系统性调查，聚焦于诸如可信度（智能体观点被他人接受程度）和坚持度（智能体倡导其观点的强度）等社交特征。通过一系列受控实验中的协作问题解决和说服任务，我们发现：（1）LLM-based智能体在可信度和坚持度方面表现出偏差，来自历史特权群体（如男性和白人）的角色被认为可信度较低且坚持度较低；（2）智能体表现出显著的群体内偏好，倾向于遵从与之共享相同角色的他人。这些偏差在各种LLMs、群体规模和互动轮数之间持续存在，这凸显了在确保多智能体系统公平性和可靠性方面的紧迫需求。