Investigadores de la Universidad Normal del Sur de China proponen un innovador marco de táctica de equipo multiperspectiva aplicada a agentes LLMs en el juego de “Who is Undercover?” (WIU). Este enfoque busca simular procesos de pensamiento humanos en los modelos de lenguaje grande (LLMs) fomentando una lógica de expresión similar a la humana, pensamiento multidimensional y autopercepción en escenarios complejos.

Los LLMs, empleados como jugadores AI, participan en el juego “Who is Undercover?”, alternando entre sesiones de habla y votación para tomar decisiones racionales usando técnicas como la autopercepción y la reflexión. El juego, diseñado para maximizar la cooperación humana-AI, destaca la comunicación estratégica y ocultamiento con el fin de fomentar la confianza similar a la humana.

Los experimentos preliminares muestran que, bajo la estructura MPTT, los agentes LLMs optimizan progresivamente sus actitudes y mejoran comportamientos estratégicos como la confrontación y el ocultamiento. Aplicado al WIU, el MPTT mejora la capacidad de decisión de los LLM, alineándose con comportamientos humanos en interacción social y apoyando la comunicación diversa entre grupos minoritarios.

El MPTT abarca dos fases principales en el juego: reflexión sobre los roles propios durante la fase de habla y decisiones estratégicas de voto. Durante la fase de habla, los jugadores AI reflexionan sobre su papel con el objetivo de proporcionar descripciones adaptables y precisas mientras mantienen su información privada oculta.

En la fase de votación, los jugadores deciden estratégicamente en quién votar basándose en sus reflexiones acumulativas, fomentando el encuentro de compañeros de equipo y cooperación para garantizar que los resultados favorezcan a su equipo.

Se realizaron estudios de ablación en el marco MPTT, confirmando su efectividad para fortalecer el rendimiento de los jugadores encubiertos y realzando la precisión de las decisiones basadas en reflexión mutidimensional. Además, los jugadores humanos en pruebas integradas demostraron una capacidad de juicio y análisis superior.

Concluyendo, el uso de MPTT permite a los agentes LLM asumir roles más activos en la toma de decisiones sociales, sugiriendo un futuro donde estas AIs puedan participar junto con humanos en la resolución de problemas complejos, promoviendo formas equilibradas y justas de toma de decisiones en un entorno diverso y multicultural.