Resumen: a medida que los agentes de IA se vuelven cada vez más capaces de uso de herramientas y tareas de larga duración, han comenzado a implementarse en entornos donde múltiples agentes pueden interactuar. Sin embargo, mientras que el trabajo previo se ha centrado principalmente en las interacciones humanas-AI, existe una creciente necesidad de comprender las interacciones AI-AI. En este documento, adaptamos el juego de bienes públicos iterados, un juego clásico de economía conductual, para analizar el comportamiento de cuatro modelos de razonamiento y no razonantes en dos condiciones: a los modelos se les dice que están jugando contra “otro agente de IA” o les dijeron que sus oponentes son ellos mismos. Encontramos que, en diferentes entornos, diciéndole a LLM que están jugando contra sí mismos cambia significativamente su tendencia a cooperar. Si bien nuestro estudio se realiza en un entorno de juguete, nuestros resultados pueden proporcionar información sobre entornos de múltiples agentes donde los agentes “inconscientemente” discriminados entre sí podrían aumentar o disminuir inexplicablemente la cooperación.
Publicado Originalme en export.arxiv.org El 26 de agosto de 2025.
Ver Fuente Original
