HARBOR: Exploring Persona Dynamics in Multi-Agent Competition

要約

LLMエージェントの競争力のあるマルチエージェント環境での成功に貢献する要因を調査し、エージェントが利益を最大化するために入札するテストベッドとしてオークションを使用します。
エージェントには、入札ドメインの知識、アイテムの好みを反映する明確なペルソナ、およびオークション履歴の記憶が装備されています。
私たちの仕事は、複数のエージェントが家に入札し、サイズ、場所、予算などの側面を比較検討して、最も望ましい家を最低価格で確保する現実的な環境を作成することにより、古典的なオークションシナリオを拡張します。
特に、3つの重要な質問を調査します。（a）ペルソナは競争力のある設定でエージェントの行動にどのように影響しますか？
（b）エージェントは、オークション中に競合他社の行動を効果的にプロファイルできますか？
（c）心の理論などの戦略を使用して、ペルソナプロファイリングを活用するためにどのように活用できますか？
一連の実験を通じて、LLMエージェントの行動を分析し、新しい発見に光を当てます。
ハーバーと呼ばれる私たちのテストベッドは、競争力のある環境でのマルチエージェントワークフローの理解を深めるための貴重なプラットフォームを提供します。

要約(オリジナル)

We investigate factors contributing to LLM agents’ success in competitive multi-agent environments, using auctions as a testbed where agents bid to maximize profit. The agents are equipped with bidding domain knowledge, distinct personas that reflect item preferences, and a memory of auction history. Our work extends the classic auction scenario by creating a realistic environment where multiple agents bid on houses, weighing aspects such as size, location, and budget to secure the most desirable homes at the lowest prices. Particularly, we investigate three key questions: (a) How does a persona influence an agent’s behavior in a competitive setting? (b) Can an agent effectively profile its competitors’ behavior during auctions? (c) How can persona profiling be leveraged to create an advantage using strategies such as theory of mind? Through a series of experiments, we analyze the behaviors of LLM agents and shed light on new findings. Our testbed, called HARBOR, offers a valuable platform for deepening our understanding of multi-agent workflows in competitive environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google