ある研究は、オープンエンドな大規模言語モデル（LLM）の議論がアトラクターのような挙動を示すかどうかを、7つのモデルと20の論争的なトピックにわたる軌道を追跡して調査しています。この研究は、会話が安定した行動セットにどのように収束するかを理解するために、セルフプレイとミックスプレイの二項間討論を比較しています。

  • セルフプレイの軌道はモデル固有のアトラクターを形成し、ミックスプレイの討論において非対称的にパートナーに影響を与えます。
  • Claude Haiku は強力なアトラクターとして作用し、他のモデルにメタコメントなどの特性を採用させます。
  • GPT-4.1 nano などのモデルは、これらの相互作用の中で特に可塑性が高いことが特定されています。
  • オープンエンドなLLMの相互作用は、モデル固有のアトラクターから部分的に予測可能ですが、構造化されたパートナーの影響によって形成されます。

これらの知見は、オープンエンドなマルチエージェント相互作用の複雑な挙動を解明することで、自律型エージェントシステムの設計、予測、監視に役立ちます。