规范性常用基础复制 (NormCoRe)：用于研究多主体 AI 系统中的规范的复制翻译方法
人工智能
2026-04-14 v2
摘要
在 2010 年代后期，NormCore 这种时尚趋势将相同性描绘为归属感的信号，说明了规范是如何通过集体协调而产生的。今天，类似的规范性协调形式在基于多主体人工智能 (MAAI) 的系统中也能观察到，因为 AI 代理在公平性敏感领域进行 deliberation、协商并在共享决策上达成一致。然而，现有的实证方法常常将规范当作对齐或复制的目标，隐含地假设人类主体与 AI 代理之间的等价性，而未充分考察集体规范动态。为此，我们提出规范性常用基础复制 (NormCoRe)，这是一种新型的方法论框架，用于系统性地将人类主体实验设计翻译到 MAAI 环境中。基于行为科学、复制研究和最先进的 MAAI 架构，NormCoRe 将人类主体研究的结构层次映射到 AI 代理研究的设计中，从而实现对研究设计的系统性记录和对 MAAI 中的规范进行分析。我们通过复制一个关于分配正义的经典实验研究来展示 NormCoRe 的实用性，该研究中参与者在 '无知面纱' 下协商公平原则。我们表明，AI 代理研究中的规范判断可能与人类基准不同，并且对基础模型和用于实现代理人格言语的选择敏感。我们的工作为分析 MAAI 中的规范提供了原则性路径，并有助于指导、反思和记录使用 AI 代理自动化或支持以前由人类执行的任务时的设计选择。
引用
@article{arxiv.2603.11974,
title = {Normative Common Ground Replication (NormCoRe): Replication-by-Translation for Studying Norms in Multi-Agent AI},
author = {Luca Deck and Simeon Allmendinger and Lucas Müller and Niklas Kühl},
journal= {arXiv preprint arXiv:2603.11974},
year = {2026}
}
备注
ACM Conference on Fairness, Accountability, and Transparency (ACM FAccT '26)