arXiv cs.CL· Angana Borah, Zoha Hayat Bhatti, Zhijing Jin, Rada Mihalcea·· 10 小时前AI 评分31
CuriousTogether：多智能体 LLM 交互中的好奇心与文化根基研究
CuriousTogether: Implications of Curiosity and Cultural Grounding in Multi-Agent LLM Interactions
AI 导读
研究团队提出 CuriousTogether 框架，从求新、认知好奇与社会好奇三个维度评估好奇心驱动的多智能体 LLM 交互。在覆盖推理、创意生成和社会偏见缓解的八项任务中，好奇心引导的多智能体设置在七项上优于无好奇心设置，故事生成的语义多样性最高提升 20.6%，刻板印象率下降 14.9 个百分点。
正文 · AI 翻译
摘要：大型语言模型（LLM）越来越多地部署在多智能体环境中，展现出涌现的集体行为，然而好奇心作为此类动态驱动因素的作用仍未得到充分研究。我们提出 CuriousTogether，一个从三个互补维度评估好奇心驱动的多智能体 LLM 交互的框架：求新性、认知好奇心和社会好奇心。在涵盖推理、创造性生成和社会偏见缓解的八项任务中，好奇心引导的多智能体设置在八项任务中的七项上优于非好奇心设置，其中故事生成（语义多样性）提升高达 20.6%，刻板印象率降低 14.9 个百分点。此外，以国家为条件的文化基础对故事生成和社会任务有益，但可能损害以精确性为导向的推理。最后，我们表明，与单智能体基线相比，推理时基于多智能体好奇心的方法提供了有利的质量-令牌权衡。总之，这些发现支持将好奇心引导的交互作为改善多智能体协作的实用机制，并对推理、创造性和社会任务产生下游益处。
| 评论： | 审稿中的预印本 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.01301 [cs.CL] |
| （或 arXiv:2611.01301v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01301 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Angana Borah [查看电子邮件]
[v1]
2026年10月31日星期六 22:01:33 UTC（403 KB）
来源：arXiv cs.CL · arxiv.org