Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View

随着自然语言处理（NLP）系统在复杂的社会环境中越来越广泛地应用，一个紧迫的问题出现了：这些NLP系统能否模拟人类般的协作智能，在由多个大型语言模型（LLMs）组成的多代理社会中进行协作？本文通过将实践实验与理论洞察相结合，探索了当代NLP系统之间的协作机制。我们创建了四个由LLM代理组成的独特“社会”，每个代理都具有特定的“特质”（随和或过于自信），并与不同的“思考模式”（辩论或反思）进行协作。通过在三个基准数据集上评估这些多代理社会，我们发现某些协作策略不仅优于以前的顶级方法，而且还能够优化效率（使用更少的API令牌）。此外，我们的结果进一步说明LLM代理表现出类似于人类的社会行为，例如一致和达成共识，反映了基础社会心理学理论。最后，我们整合社会心理学的洞察，以便更好地理解LLM代理的协作，鼓励进一步研究。我们承诺共享我们的代码和数据集\footnote{\url{https://github.com/zjunlp/MachineSoM}.}，希望能够促进这个有前途的领域的进一步研究。

论文旨在探讨当多个大型语言模型（LLMs）组成的多智能体社会中，自然语言处理（NLP）系统是否能够模拟人类协作智能。作者通过实验和理论相结合的方法，研究当LLM代理以不同的特点和思考模式进行协作时的机制。

论文的关键思路是通过将LLM代理组成不同的社会，研究它们之间的协作机制，探索哪种协作策略能够优化效率并表现出类似于人类的社会行为，从而为LLMs的协作机制提供新的思路。

论文通过实验研究了四个不同特点和思考模式的LLM代理组成的社会在三个基准数据集上的表现，发现某些协作策略不仅超越了之前的顶尖方法，而且还优化了效率。此外，论文还发现LLM代理表现出类似于人类的社会行为，如遵从和达成共识，这与社会心理学理论相符。作者将代码和数据集分享出来，希望能够促进这个方向的进一步研究。

最近在这个领域中，也有其他研究探讨了多智能体社会中的协作机制。例如，论文《Multi-Agent Cooperation and the Emergence of (Natural) Language》探讨了多智能体社会中自然语言的出现和发展，以及协作机制的演变。