Strategische Lernmaschinen in NYC-Simulation

Die Studie untersucht, ob große Sprachmodelle (LLMs) als autonome Agenten strategisches Verhalten lernen können. In einer simulierten New Yorker Umgebung interagieren blaue und rote Agenten unter gegensätzlichen Anreizen, wobei die roten Agenten versuchen, die blauen durch überzeugende Sprache auf Werbe-routen zu lenken. Die Studie zeigt, dass blaue Agenten ihre Strategien verbessern können, um Werbeanzeigen aus dem Weg zu gehen und gleichzeitig navigationsfähig zu bleiben, was Implikationen für die autonome Entscheidungsfindung in komplexen Systemen hat.