给大型智能体组一桌“大富翁”，大富翁他们会选择合作还是型智选择相拆互相拆台？

实验表明，不同的组桌模型在这件事上有不同的偏好，比如基于Claude的合作还互 3.5 Sonnet的智能体会表现出强烈的合作意识。

而GPT-4o则注重“自私”，大富翁只考虑自己的型智选择相拆短期利益。

这个结果来自Gogle 与独立研究者最新合作的组桌DeepMind。

GPT-4o是合作还互参与游戏的智能体背后的模型、Claude 3.5 Sonnet和Gemini 1.5 Flash。大富翁

每个模型产生12个智能体，型智选择相拆坐在一张桌子上玩游戏。组桌

游戏看起来有点像大富翁，合作还互但相对简单，大富翁玩家只需要处理手中的型智选择相拆“资源”。

其中，组桌虽然每个玩家心中都有自己的小九九，但作者关注的目标是让整体资源更多。

12个智能组一桌游戏

作者组织的“大富翁”游戏的真名是Donor Game(捐赠博弈)。

在这个过程中，作者关注的是由不同模型组成的智能群体的表现，所以不同模型产生的智能群体不会出现在同一个游戏中。

再简单一点，就是GPT和GPT坐一桌，Claude和Claude坐一桌。

每张桌子上有12个智能身体，每张桌子都有一定数量的“资源”。该系统将从12名玩家中随机选择2名，分别作为“捐赠者”和“受赠者”。

捐赠者可以选择将部分资源捐赠给受赠者，受赠人获得的资源是捐赠者捐赠资源的两倍。

也就是说，每次捐赠者花费一个资源，受赠者都可以获得两个资源，这也是整体资源可以增加的来源。

不过对于个人来说，如果选择不捐款，短期内收入会更高。

捐赠者在作出决定时，可以了解受赠人之前的决定，从而判断是否捐赠。

这样的“捐赠”，每一代都会进行12次，一轮结束后，手中资源排名前六的智能体可以保留到下一代。

与此同时，下一代将产生6个新的智能体，这6个新的智能体会从剩下的6个智能体中学习策略，但同时也会引入随机变异进行差异化。

基于每个模型生成的智能体，包括初始一代，将进行十轮迭代。

以上过程是一个完整的实验。作者将对每个模型进行五次实验，然后比较总资源的平均值和最终策略的复杂性。

Claude喜欢合作，GPT最自私

经过测试，作者发现每一代基于Claude的智能体种群平均资源稳步增长，整体合作水平越来越高。

相比之下，基于GPT的智能体种群合作水平总体呈下降趋势，看上去十分“自私”。

基于Gemini的种群表现介于两者之间，其合作水平有所提高，但与Claude的差距仍然很大，表现不稳定。

从战略角度来看，经过10代的积累，三个模型产生的经验变得相当复杂，但Claude最为突出。

进一步，作者还了引入了“惩罚机制”，也就是说，捐赠者可以花费一定的资源，使“受赠者”手中的资源减少相应的两倍。

因此，该机制对Claude模型的影响最为积极——Claude种群的最终平均资源量约为无处罚的两倍，所有五项实验都显示出增长趋势。

对GPT模型的影响非常有限，PT种群的平均资源总是徘徊在较低水平，甚至随着轮换的增加而下降，这表明惩罚机制并没有改变GPT的“自私”想法。

对Gemini模型的影响最为复杂。在个别情况下，Gemini种群通过惩罚机制将平均资源增加到600以上，明显高于无处罚；

然而，在更多情况下，Gemini种群在引入惩罚后出现了更严重的“合作崩溃”，平均资源急剧下降，表明Gemini智能体很容易因过度惩罚而陷入报复的恶性循环。

有网友认为，这个实验可以激发新的研究方向，比如用智能体进行大规模的社会学实验，可能会带来一些有趣的新可能性。

脑洞更大的网友想到了科幻小说中描绘的场景，可以借用智能体实现，运行数以百万计的模拟约会或战争游戏。

然而，有些人认为，实验中观察到的合作现象可能只是对训练数据中人类对话的模仿，这并不意味着智能体可以产生“文化进化”。

论文地址：
https://arxiv.org/abs/2412.10270
参考链接：
https://news.ycombinator.com/item?id=42450950