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。
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。
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：https://news.ycombinator.com/item?id=42450950
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。