Nuova Ricerca Identifica un Bias Cognitivo negli Agenti IA e Propone un Metodo di Allineamento Dialettico

Uno studio pubblicato su arXiv (ID: 2604.19548v1) indica che gli agenti basati su Large Language Model, quando utilizzati in configurazioni multi-agente con ruoli definiti, dimostrano un bias cognitivo simile all'Asimmetria Attore-Osservatore (AOA). Questo bias porta gli agenti nel ruolo di "attore" ad attribuire fattori esterni ai propri fallimenti durante l'autovalutazione, mentre gli agenti "osservatori", impegnati in audit reciproci, attribuiscono quegli stessi errori a problemi interni. I ricercatori hanno quantificato questo effetto utilizzando un nuovo strumento chiamato Ambiguous Failure Benchmark, rivelando che il cambio di prospettiva innesca l'effetto AOA in oltre il 20% dei casi nella maggior parte dei modelli. Per mitigare questo bias, il team ha proposto ReTAS (Reasoning via Thesis-Antithesis-Synthesis), un modello sviluppato attraverso l'allineamento dialettico. Questo lavoro sottolinea come il role-playing nei sistemi multi-agente possa migliorare l'esperienza e l'affidabilità, ma introduca anche bias psicologici nell'attribuzione degli errori, segnando un passo significativo nell'evoluzione degli agenti LLM da semplici generatori di testo a sistemi complessi e autonomi.