基于大语言模型的多智能体AI系统中同源诱导的偏倚结构涌现
物理与社会
2025-10-06 v1 社会与信息网络
摘要
本研究考察了由大语言模型(LLM)引导的人工智能(AI)智能体之间的相互作用如何驱动集体网络结构的演化。我们要求LLM驱动的智能体通过告知其当前链路构型来增长网络。观察结果证实，智能体一致地应用优先连接机制，偏好与度数较高的节点建立连接。我们系统地从四种不同的LLM（包括Gemini、ChatGPT、Llama和Claude）中征集了超过一百万个决策。当纳入年龄、性别、宗教和政治取向等社会属性时，生成的网络表现出更高的同配性，导致形成不同的同质性社区。这显著改变了纯优先连接模型所预期的网络拓扑。政治和宗教属性最显著地使集体分裂，促进极化子群的形成，而年龄和性别则产生更渐进的结构变化。值得注意的是，LLM还揭示了异质性连接中的非对称模式，暗示了反映社会规范的嵌入方向性偏见。随着自主AI智能体日益塑造在线系统的架构，这些发现有助于理解生成AI集体的算法选择不仅如何重塑网络拓扑，还为AI驱动系统如何共同演化与自组织提供了关键见解。
引用
@article{arxiv.2510.02637,
title = {Homophily-induced Emergence of Biased Structures in LLM-based Multi-Agent AI Systems},
author = {Aliakbar Mehdizadeh and Martin Hilbert},
journal= {arXiv preprint arXiv:2510.02637},
year = {2025}
}
备注
Accepted for publication in Social Network Analysis and Mining