← 返回日报
🌐 机器翻译 · DeepSeek · ArXiv

When Does Personality Composition Matter for Multi-Agent LLM Teams?


摘要:

人格提示(Personality prompting)会影响大型语言模型的沟通方式,但这些行为变化是否会影响客观任务结果,目前仍缺乏系统研究。已有研究表明,被赋予低宜人性(low agreeableness)提示的智能体会产生对抗性语言,而被赋予高宜人性(high agreeableness)提示的智能体则表现出合作倾向。然而,沟通风格与任务表现之间的关系尚未在多个领域中得到系统检验。在本研究中,我们通过在前沿大语言模型(LLMs)中操控人格特质,在三个任务领域——结构化编程、开放式研究协作与竞争性谈判——中探究人格构成是否对多智能体团队表现产生影响。研究发现,人格效应关键取决于任务结构。在编程任务中,低宜人性会导致显著的沟通风格转变,但对里程碑完成情况影响甚微;而在开放式协作与谈判任务中,同样的操控则会显著降低表现。我们讨论了这一发现对多智能体系统设计的启示,以及人格操控的局限性。

📖 阅读原文 →