[2I1-OS-49] AIアライメント

9:45 〜 10:00

[2I1-OS-49-04] 大規模言語モデルエージェント間の社会的学習における文脈依存的パラメータ調整と相転移的振る舞い

〇堀部 和也¹、阿部 真人^2,1、江崎 貴裕³、ロメロ ピーター^4,5、豊川 航¹ (1. 理化学研究所、2. 同志社大学、3. 東京大学、4. バレンシア工科大学、5. ケンブリッジ大学)

キーワード：

マルチ言語モデルエージェント、社会学習、臨界ダイナミクス

Gemini said自律型AIエージェントが情報生態系に与える影響への懸念が高まる中、本研究ではLLMエージェント（GPT-5.2とClaude-Sonnet-4.5）の集団力学を解明するため、社会的学習課題を実施した。強化学習（RL）パラメータ推定の結果、GPTは急速な収束と強い同調性により「集団的ロックイン」を招く一方、Claudeは探索を維持する傾向が見られた。混合実験ではGPT対Claudeの比率が2:3の時点で急激な閾値効果が確認され、パラメータ再推定ではGPTが状況に応じ極端かつ体系的に振る舞いを変化させたのに対し、Claudeは安定していたことが判明した。さらにリプレイ分析において、これらを固定RLパラメータで説明すると予測が悪化したことから、エージェントが固定パラメータを超えた動的な戦略調整を行っていることが示唆された。これらの知見は、マルチエージェントシステムの設計において「グループ構成」が決定的要因であることを示唆している。