CompeteAI: Understanding the Competition Behaviors in Large Language Model-based Agents

要約

大規模言語モデル (LLM) は、パーソナル アシスタンスやイベント計画など、さまざまなタスクを完了するエージェントとして広く使用されています。
ほとんどの研究はエージェント間の協力と協力に焦点を当てていますが、社会と経済の発展を促進するもう1つの重要なメカニズムである競争を探求する研究はほとんどありません。
この論文では、LLM ベースのエージェントにおける競合動作を調査することを目的としています。
まず、エージェント間の競争を研究するための一般的な枠組みを提案します。
次に、GPT-4 を使用して実際の競争環境を実装し、レストランエージェントと顧客エージェントを含む 2 種類のエージェントによる仮想都市をシミュレートします。
具体的には、レストラン代理店はより多くの顧客を引き付けるために互いに競争しており、競争によって新しい営業戦略の策定などの変革が促進されます。
私たちの実験の結果は、社会学習からマシュー効果に至るまで、既存の社会学および経済理論とよく一致するいくつかの興味深い発見を明らかにしました。
私たちは、社会をより深く理解するためにエージェント間の競争についてさらに調査する価値があると信じています。
コードは近日公開予定です。

要約(オリジナル)

Large language models (LLMs) have been widely used as agents to complete different tasks, such as personal assistance or event planning. While most work has focused on cooperation and collaboration between agents, little work explores competition, another important mechanism that fosters the development of society and economy. In this paper, we seek to examine the competition behaviors in LLM-based agents. We first propose a general framework to study the competition between agents. Then, we implement a practical competitive environment using GPT-4 to simulate a virtual town with two types of agents, including restaurant agents and customer agents. Specifically, restaurant agents compete with each other to attract more customers, where the competition fosters them to transform, such as cultivating new operating strategies. The results of our experiments reveal several interesting findings ranging from social learning to Matthew Effect, which aligns well with existing sociological and economic theories. We believe that competition between agents deserves further investigation to help us understand society better. The code will be released soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google