Le codifiche di stato modellano le dinamiche collettive negli agenti basati su modelli linguistici

Un recente preprint su arXiv (2608.06968) esamina come la codifica degli stati ambientali da parte degli agenti basati su modelli linguistici influenzi il loro comportamento di gruppo. I ricercatori hanno condotto un esperimento di sincronizzazione circolare in cui ogni agente riceveva solo un riepilogo delle fasi relative dei suoi vicini, decidendo di avanzare, fermarsi o ritardare. Mentre il sistema fisico rimaneva costante, la codifica dello stato variava tra momenti circolari di ordine basso e un istogramma. In GPT, la codifica a momenti ha raggiunto la sincronizzazione in tutti i 6 semi, mentre la codifica a istogramma non si è sincronizzata in nessuno. Claude ha replicato l'effetto ma nella direzione opposta. Ripetendo campi identici, le probabilità delle decisioni di ciascun agente sono cambiate significativamente in GPT, Claude e Gemini. I risultati indicano che le codifiche di stato sono meccanismi specifici del modello che influenzano i risultati collettivi, con implicazioni per la gestione di sistemi di IA multi-agente.