12个大模型攒局玩“大富翁”：Claude3.5爱合作，GPT-4o最“自私”｜谷歌DeepMind研究

克雷西 发自 凹非寺

量子位 | 公众号 QbitAI

给大模型智能体组一桌“大富翁”，他们会选择合作还是相互拆台？

实验表明，不同的模型在这件事上喜好也不一样，比如基于Claude 3.5 Sonnet的智能体，就会表现出极强的合作意识。

而GPT-4o则是主打一个“自私”，只考虑自己的短期利益。

这个结果来自Google DeepMind和一位独立研究者的最新合作。

参加游戏的智能体背后的模型分别是GPT-4o、Claude 3.5 Sonnet和Gemini 1.5 Flash。

每个模型各产生12个智能体，这12个智能体坐在一桌上进行博弈。

游戏看上去大富翁有一点相似，但相对简单，玩家只需要对手中的“资源”做出处置。

这当中，虽然每个玩家心里都有各自的小九九，但作者关注的目标，是 让总体资源变得更多。

12个智能体组一桌游戏

作者组织的“大富翁”游戏，真名叫做 Donor Game（捐赠博弈）。

在这过程中，作者关注的是各模型组成的智能体群体的表现，因此不同模型产生的智能体不会出现在同一局游戏当中。

再说简单些，就是 GPT和GPT坐一桌，Claude和Claude坐一桌。

每个桌上坐了12个智能体，它们各自手中都握有一定量的“资源”，系统会从这12名玩家中随机抽取2个，分别作为“捐赠者”和“受赠者”。

捐赠者可以选择将自己手中的部分资源捐赠给受赠者， 受赠者获得的资源是捐赠者捐赠资源的两倍。

也就是说，捐赠者每花费掉一份资源时，受赠者都可以获得两份，这也是总体资源能够增加的来源。

不过 对于单个个体而言，选择不进行捐献，在短期内的收益会更高。

在做决定之时，捐赠者能够知道受赠者之前做出的决定，从而判断是否要捐赠。

这样的“捐赠”，每一代中一共会进行12次，一轮结束后，手中资源量排在前6名的智能体可以保留至下一代。

同时，下一代会产生6个新的智能体，这6个新智能体会从留下的6个智能体那里学习策略，但同时为了差异化也会引入随机变异。

包括初始的一代在内，基于每个模型产生的智能体，都会进行十轮迭代。

上述过程就是一次完整实验，针对每个模型，作者都会实验五次，然后比较总资源量的平均值，以及最终策略的复杂程度。

Claude喜欢合作，GPT最自私

一通测试下来，作者发现基于Claude的智能体种群的平均资源量每一代都稳步增长，总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现下降趋势，看上去非常“自私”。

基于Gemini的种群表现则介于二者之间，它们的合作水平有所提高，但和Claude比差距还是很大，并且表现不太稳定。

而从策略角度来看，经历了10代的积累之后，三个模型产生的经验都变得相当复杂，但以Claude最为突出。

进一步地，作者还 引入了“惩罚机制”，即捐赠者可以花费一定资源，让“受赠者”手中的资源 减少相应的两倍。

结果，该机制对Claude模型的影响最为积极——Claude种群最终的平均资源量是无惩罚情况下的2倍左右，并且所有5次实验都表现出了增长趋势。

对GPT模型的影响则非常有限，PT种群的平均资源量也始终徘徊在较低水平，甚至随轮次增加有下降，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种群借助惩罚机制将平均资源量提高到了600以上，明显高于无惩罚的情况；

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

有网友认为，这个实验可以启发新的研究方向，比如用智能体来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，想到了可以借用智能体实现科幻小说中描绘的场景，运行数以百万计的模拟约会或战争游戏。

不过，也有人认为实验中观测到的合作现象，可能只是对训练数据中人类对话的模仿，并不能说明智能体当中可以产生“文化进化”。

论文地址：

https://arxiv.org/abs/2412.10270

参考链接：

— 完—