著者らは、ConcordiaベースのフレームワークであるIncognitaを紹介し、社会的相互作用と grounded な実行を分離することで、役割によって隔離された参加者に分割された知識を生成エージェントがどのように処理するかを評価している。このシステムはメッセージを専門のエントリティにルーティングし、決定論的なサブ環境内で操作を仲介させ、探索としてのコミュニケーションと活用としての行動の評価を可能にする。

  • Incognita-Retailは、最終状態の報酬セマンティクスを保持しつつ、tau-bench retailをマルチエンティティ環境へ変換する。
  • 3つの生成エージェントモデルが、540回の試行にわたって社会的広さによって層別化された18のタスクで評価された。
  • 成功率は0%から8.9%および17.2%へと上昇し、早期終了は100%から87%および58%へと減少した。
  • より強力なモデルはより多くの隠れた知識を引き出し、より多くのエンティティに接触し、より多くの grounded な書き込みを試みたが、信頼性は依然として低かった。

これらの知見は、社会的に分散されたタスク環境が、確実な成功が達成される前に、知識の引き出し、ソース選択、早期完了信念といった重要なエージェントの行動を明らかにすることを示している。