エージェント社会は知的エリートを生み出すのか？LLMマルチエージェント・システムにおける集合的認知の隠れたパワー則

Abstract

大規模言語モデル（LLM）のマルチエージェントシステムは、相互作用するエージェント社会としてますます広く導入されている。しかし、これらのシステムをスケールさせると、多くの場合、逓減または不安定なリターンが生じるが、その原因はいまだ十分に理解されていない。われわれは、LLMベースのマルチエージェントシステムにおける協調ダイナミクスの、初の大規模経験的研究を提示する。そこでは、推論を協調のカスケードとして再構成する、原子的なイベント・レベルの定式化を導入する。タスク、トポロジー、スケールにまたがる1.5百万件超の相互作用を解析することで、互いに結合した3つの法則を見出す。すなわち、協調は重尾のカスケードに従い、知的エリートへ向けて優先的な付着（preferential attachment）によって集中し、さらにシステム規模が成長するにつれて極端な事象がますます頻繁に発生する。これらの効果が単一の構造メカニズムを通じて結合していることを示す。そのメカニズムとは、統合ボトルネックであり、協調の拡張はシステムサイズに応じてスケールする一方で、統合はスケールしない。その結果、大きいが弱く統合された推論プロセスが生まれる。このメカニズムを検証するために、赤字に起因して統合を引き起こすDeficit-Triggered Integration（DTI）を導入する。DTIは不均衡のもとで統合を選択的に増加させる。DTIは、大規模な推論を抑制することなく、まさに協調が失敗する箇所で性能を改善する。以上より、われわれの結果は、集団的認知の定量的な法則を確立し、協調構造を、理解および改善のための基本的でありながら、これまで未測定だった軸として特定する。