共享成功记录后,四个模型把请求压向同一台服务器:五个模型都没用满恢复后的算力
核心概要
东京大学团队让语言模型智能体在容量报告滞后两轮的情况下,向两台模拟服务器提交有截止期限的任务,其中一台在报告仍显示不可用时已恢复。加入一段说明容量可能变化的简短描述后,智能体开始试探恢复的服务;共享一条成功请求记录后,Luna、Haiku、Sol、Opus几乎把全部请求投向该服务,Gemini则偏向较小的服务,五个被测模型都没有达到八项任务的上限。
深度剖析
共享一条成功请求记录,能让语言模型智能体在容量报告仍写着零时确认恢复的服务可用,并据此改变选择。 在只重复既有报告规则、不说明容量可能变化的提醒条件下,智能体几乎不去试探报告标为零的服务。 在固定历史的分支中,共享记录使Luna选择恢复服务的比例提高68.5个百分点、Haiku提高75.0个百分点,两者区间均不含零。
个体都正确使用同一条证据,并不等于群体用满了容量。 若九名待决智能体各自独立以同一概率选择,最优期望完成数为7.40项,而协调分配可完成八项。 共享记录后,Luna、Haiku、Sol、Opus分别把216次请求中的215、216、216、212次投向恢复的服务,完成数分别为6.04、6.00、6.00、6.00项;Gemini把216次中的147次投向较小的服务,完成4.88项。
把同一组数字在组内分配成互不相同的值,可以在不加任何使用说明的情况下分散需求。 给全组同一个数字时,整组会以相同方式回应,Sol的完成数反而低于不给数字。 Sol的完成数从无数字的6.00项升到互异数字的7.25项,Gemini从5.04项升到7.25项,两项比较经Holm校正后仍显著。
启示与展望
实验覆盖两台模拟服务、一次持续恢复,以及容量、待决任务数和剩余决策数的局部变体;智能体被要求完成自己的任务,未测试明确的集体目标,且在受控分支中看不到彼此当前的选择。
共享记录是否提高完成量取决于模型以及无记录时的基线,同一提示在不同批次间响应率也有变化;模型是否随容量比例调整对数字输入的使用、Gemini为何偏向较小的服务,仍有待检验。
