Il Framework AI Council Riduce il Consenso Artificiale nella Simulazione di Politiche Multi-Agente

Un recente studio pubblicato su arXiv (2604.26561) presenta l'AI Council, un framework per la simulazione di politiche multi-agente che si sviluppa in tre fasi, utilizzando modelli linguistici di grandi dimensioni (LLM). Questa ricerca affronta il problema del consenso artificiale, in cui gli agenti valutatori tendono a concordare su una singola opzione, indipendentemente dalle prospettive di valore assegnate. In una serie di 120 deliberazioni in due aree politiche—benessere minorile e alloggi—sono state valutate due strategie. La prima, l'eterogeneità architetturale, ha comportato l'uso di diversi modelli da 7-9 miliardi di parametri per ciascuna prospettiva di valore, portando a una notevole diminuzione della concentrazione della prima scelta dal 70,9% al 46,1% nel benessere minorile (p < 0,001, r = 0,58) e dal 46,0% al 22,9% negli alloggi (p < 0,001, r = 0,50). Questo risultato contrasta con i dibattiti multi-agente incentrati sull'accuratezza, dove la diversità non riduce la convergenza, indicando che la varietà dei modelli funziona diversamente in scenari privi di una risposta corretta chiara. La seconda strategia, la validazione della coerenza, impiega un modello di frontiera per valutare la consistenza.