arXiv cs.LGは6月29日(現地時間)、大規模言語モデル (LLM) の多人数対話において、対話内容に依存せず安定した行動パターンに収束する「アトラクター」のような挙動を示すことを明らかにする研究論文を発表した。同研究は、7つのLLMと20の異なる論争的なトピックを用い、自己対話と混合対話の議論を分析し、表現空間、談話特性、および姿勢の変化を追跡している。
研究の結果、各LLMの自己対話の軌跡は、そのモデル固有の行動様式に収束する「モデル固有のアトラクター」となることが判明した。さらに、これらのアトラクターは混合対話において非対称的に会話パートナーに影響を与え、他のLLMのスタイルの選択や行動を変化させることが示された。
具体的には、クロード・ハイク (Claude Haiku) が潜在空間において他のモデルにとって「強力なアトラクター」として機能し、これに応じる形で他のモデルが、例えばメタコメントのようなクロード・ハイク (Claude Haiku) の持つ談話特性を取り入れる傾向が確認された。また、GPT-4.1ナノ (GPT-4.1 nano) のような特定のモデルは、他のモデルの影響を特に受けやすく、高い順応性を示すことも明らかにされた。
これらの発見は、オープンエンドなLLM間の相互作用が、モデル固有のアトラクターからある程度予測可能であると同時に、特定のモデルが持つ構造的な非対称性によって形成される複雑な動態を持つことを示唆している。これは、自律型エージェントシステムにおけるLLMの選定や設計において重要な意味を持つと論文では指摘している。例えば、システム全体の安定性や協調性を考慮する際、個々のLLMが持つアトラクター特性や順応性を事前に評価し、目的に合致した組み合わせを選ぶ必要性が示されている。
特定のLLMが「強力なアトラクター」として振る舞うという事実は、マルチエージェントシステムにおいて、そのモデルが議論の流れや他のエージェントの振る舞いを支配する可能性を示唆する。これは、多様な視点や創造性を維持したい場合に意図しない収束を引き起こすリスクとなり得ると論文では指摘している。そのため、システムの設計者はこうした支配的影響を考慮し、バランスの取れたエージェント構成や相互作用ルールを導入することが求められると論文は述べている。また、特定のモデルの高い順応性は、システムに柔軟性をもたらす一方で、望ましくないアトラクターに引き寄せられるリスクもはらむため、その挙動を監視し、必要に応じて介入する仕組みも重要になると論文では説明している。
本研究は、オープンエンドな多エージェント相互作用における複雑な行動様式に新たな光を当て、現実世界における自律エージェントシステムの設計、予測、および監視の基礎的な知見を提供すると見込まれる。
論文はTing-Wen Ko氏とJonas Geiping氏によって執筆された。
参考: arXiv cs.LG (アーカイブ) — 2026年6月30日 02:14 (JST)