多智能体系统中合作韧性的评估：人类与 LLM 的比较
密码学与安全
2025-12-15 v1 硬件体系结构
摘要
本文对多智能体系统中的合作韧性进行了比较分析，定义为预测、抵抗、恢复并从影响集体福祉的破坏性事件中转变的能力。我们聚焦于以 Melting Pot 套件中的公地悲剧环境实例化的混合动机社会困境，系统地比较人类群体和基于大语言模型（LLM）的智能体，分别在显式通信和无显式通信的条件下进行评估。合作韧性在由持续不可持续消耗智能体引发的持续破坏条件下进行评估，同时结合间歇性环境冲击（以跨场景的共享资源随机移除形式实现）。该实验设计为跨智能体架构和交互模态建立了合作韧性的基准，构成系统比较人类和基于 LLM 的智能体的关键一步。利用该框架，我们发现具有通信能力的人类群体在所有其他群体中实现了最高的合作韧性。通信也改善了 LLM 智能体的韧性，但其表现仍低于人类水平。受人类表现的启发，我们进一步考察了具有更严酷环境条件的长时间设置，其中人类维持共享资源并在多种破坏场景中保持高韧性。总体而言，这些结果表明人类在不利社会条件下的决策可以为设计促进亲社会和韧性行为的人工智能体提供信息。
引用
@article{arxiv.2512.11690,
title = {Leveraging FPGAs for Homomorphic Matrix-Vector Multiplication in Oblivious Message Retrieval},
author = {Grant Bosworth and Keewoo Lee and Sunwoong Kim},
journal= {arXiv preprint arXiv:2512.11690},
year = {2025}
}