LLM-Based Agent Society Investigation: Collaboration and Confrontation in Avalon Gameplay

要約

この論文は、LLM ベースのエージェントの社会的行動を明らかにするというオープンな研究問題を調査することを目的としています。
この目標を達成するために、代表的なコミュニケーション ゲームである Avalon を環境として採用し、システム プロンプトを使用して LLM エージェントにゲームをプレイするように誘導します。
これまでの研究では、LLM エージェントとのゲームプレイに関する予備調査が行われていますが、彼らの社会的行動に関する研究は不足しています。
このペーパーでは、Avalon ゲームプレイにシームレスに適応するように設計された新しいフレームワークを紹介します。
私たちが提案するフレームワークの中核は、エージェント間の効率的なコミュニケーションと対話を可能にするマルチエージェント システムです。
私たちは、ゲームの勝利と LLM エージェントの社会的行動の分析という 2 つの観点からの指標に基づいてフレームワークのパフォーマンスを評価します。
私たちの結果は、適応的でインテリジェントなエージェントを生成する際のフレームワークの有効性を実証し、動的な社会環境の相互作用に関連する課題に対処する際の LLM ベースのエージェントの可能性を強調しています。
LLM エージェントの社会的行動を協力と対立の両方の側面から分析することで、この領域の研究と応用についての洞察を提供します。
私たちのコードは https://github.com/3DAgentWorld/LLM-Game-Agent で公開されています。

要約(オリジナル)

This paper aims to investigate the open research problem of uncovering the social behaviors of LLM-based agents. To achieve this goal, we adopt Avalon, a representative communication game, as the environment and use system prompts to guide LLM agents to play the game. While previous studies have conducted preliminary investigations into gameplay with LLM agents, there lacks research on their social behaviors. In this paper, we present a novel framework designed to seamlessly adapt to Avalon gameplay. The core of our proposed framework is a multi-agent system that enables efficient communication and interaction among agents. We evaluate the performance of our framework based on metrics from two perspectives: winning the game and analyzing the social behaviors of LLM agents. Our results demonstrate the effectiveness of our framework in generating adaptive and intelligent agents and highlight the potential of LLM-based agents in addressing the challenges associated with dynamic social environment interaction. By analyzing the social behaviors of LLM agents from the aspects of both collaboration and confrontation, we provide insights into the research and applications of this domain. Our code is publicly available at https://github.com/3DAgentWorld/LLM-Game-Agent

arxiv情報

提供元, 利用サービス

arxiv.jp, Google