Resumen Técnico: Think-Before-Speak (TBS)

Declaración del Problema

Los marcos de diálogo de agentes múltiples basados en Modelos de Lenguaje Extensos (LLM) existentes modelan la interacción social principalmente como una secuencia de intercambios de turnos observables o salidas agregadas. Aunque son efectivos para generar transcripciones públicas, estos enfoques no logran capturar los procesos evaluativos internos que ocurren entre turnos. En las deliberaciones públicas del mundo real (por ejemplo, cabildos abiertos), el silencio no implica inactividad cognitiva; los participantes interpretan continuamente los comentarios, evalúan el clima de opinión, experimentan presión psicológica y deciden si vale la pena hablar. Los paradigmas actuales —específicamente la agregación jerárquica (donde los agentes razonan en paralelo pero ignoran las contribuciones de la misma ronda) y la toma de turnos secuencial (donde los agentes solo razonan cuando llega su turno)— tratan las expresiones públicas como productos directos del protocolo de simulación en lugar de resultados de estados internos en evolución. Esta limitación oscurece la trayectoria desde la evaluación interna hacia la intención de hablar y la expresión pública, lo que dificulta el estudio de mecanismos como la disonancia cognitiva, la espiral del silencio y la autocensura.

Metodología: El Marco TBS

Los autores proponen Think-Before-Speak (TBS), un marco de simulación de agentes múltiples basado en intervalos de tiempo discretos, diseñado para separar el razonamiento privado de la generación de la expresión pública.

Arquitectura Central

1. Interacción Basada en Intervalos: El tiempo se abstrae en intervalos finos ($v$). A diferencia de los modelos secuenciales donde solo un agente actúa por ronda, TBS permite que todos los agentes razonen continuamente en cada intervalo basándose en el historial de diálogo compartido y su propia memoria.
2. Diseño de Agente de Doble Módulo:
   • Módulo de Razonamiento Interno: Actualiza estados internos estructurados ($s$) en cada intervalo. Estos estados incluyen:
     • Evaluación relacionada con la disonancia: Percepción de inconsistencia, tensión de disonancia y motivación para reducir la tensión.
     • Evaluación de la presión del silencio: Percepción del clima de opinión y percepción del riesgo de aislamiento.
     • Estrategia de respuesta: Selección de un conjunto (defender, calificar, converger, desafiar, tender puentes, abstenerse).
     • Costo de tiempo: Una latencia estimada para el razonamiento, utilizada para resolver conflictos.
   • Módulo de Expresión (Speaking Module): Genera la expresión pública ($u$) solo cuando el agente es seleccionado para hablar.
3. Orquestador y Resolución de Conflictos:
   • El orquestador gestiona el flujo de trabajo. En cada intervalo, todos los agentes presentan intenciones de habla acompañadas de su time_cost estimado.
   • Si múltiples agentes tienen la intención de hablar, el orquestador selecciona al agente con el menor costo de tiempo (razonamiento más rápido) como el hablante de ese intervalo.
   • Los agentes que no hablan actualizan sus estados internos pero no generan texto público, reduciendo la sobrecarga de tokens.
4. Gestión de Memoria: Los agentes utilizan un esquema de memoria de tres partes (Grupo, Monólogo, Propio) con mecanismos de recuperación dinámica:
   • Reciente (Latest): Retiene únicamente las $n$ rondas más recientes.
   • Muestreo (Sampling): Muestrea aleatoriamente el historial con una distribución de cola larga que favorece los eventos recientes.
   • Resumen (Summary): Comprime iterativamente el diálogo y los estados internos en resúmenes, modelando la acumulación y pérdida de detalle de la memoria.

Configuración Experimental

El marco fue evaluado utilizando discusiones de cabildos abiertos sobre un tema de política climática ("mandato de energía solar fotovoltaica").

• Agentes: Se utilizaron personas (personas) de las taxonomías "Six Americas" (seis actitudes climáticas distintas) y "Balanced Stakeholders" (pares de apoyo vs. oposición).
• Modelos Base: Gemini-2.5-Flash-Lite y Gemini-2.5-Flash.
• Variables:
  • Asignación de Turnos: Modo Voluntario (Willing Mode) (los agentes se seleccionan a sí mismos para hablar basándose en su estado interno) vs. Modo de Rotación (Rotation Mode) (orden secuencial fijo).
  • Restricciones de Silencio: Forzar Habla (Force Speak) (el orquestador obliga a un hablante si nadie se ofrece voluntariamente) vs. No Forzar Habla (No Force Speak) (el silencio es un resultado válido).
  • Modos de Memoria: Reciente, Aleatorio y Resumen.

Principales Contribuciones

1. Protocolo de Simulación de Tiempo Discreto: Un nuevo protocolo que une el razonamiento de tiempo continuo y la comunicación discreta mediante la interacción basada en intervalos y la resolución de conflictos.
2. Protocolo Unificado Paralelo-Competitivo: Integración de razonamiento paralelo (todos los agentes piensan en cada paso) con toma de turnos competitiva (solo uno habla), mejorando tanto el realismo como la eficiencia.
3. Interpretabilidad Estructurada: Un marco que rastrea la cognición del agente (estados internos) y la dinámica de interacción de forma explícita, permitiendo un análisis detallado del comportamiento social y los procesos de decisión.
4. Validación Empírica: Experimentos preliminares que demuestran la capacidad del marco para generar trazas de estados internos coherentes que varían sistemáticamente a través de diferentes condiciones de simulación.

Resultados

El estudio analizó indicadores de proceso estructurados (índice de disonancia, índice de presión del silencio, voluntad de hablar y expresión pública) utilizando modelos lineales de efectos mixtos.

• Coherencia del Estado Interno: El marco produjo trazas de proceso internamente consistentes. El índice de disonancia ($\alpha = .89$) y el índice de presión del silencio ($\alpha = .92$) mostraron una fuerte fiabilidad.
• Impacto de las Condiciones en los Estados Internos:
  • Disonancia: Aumentó modestamente con el tiempo. Fue significativamente mayor en las condiciones de Modo Voluntario y Forzar Habla en comparación con las configuraciones de Rotación/No Forzar. La ecología de personas de "Six Americas" mostró una disonancia promedio menor que los "Balanced Stakeholders".
  • Presión del Silencio: No mostró una tendencia lineal significativa a lo largo del tiempo, pero fue significativamente mayor en las condiciones de Modo Voluntario, Forzar Habla y Memoria de Resumen. La memoria de resumen aumentó tanto el nivel promedio como la tasa de crecimiento de la presión del silencio.
• De la Evaluación a la Expresión (RQ2):
  • La Evaluación Interna predice la Voluntad: Una mayor disonancia aumentó significativamente la probabilidad de querer hablar (razón de momios $\approx 4.34$ por cada 0.1 unidad de incremento), mientras que una mayor presión del silencio la disminuyó significativamente (razón de momios $\approx 0.24$).
  • Rol de la Asignación de Turnos: En el Modo Voluntario, la fuerza de la relación entre los estados internos y la intención de hablar fue más débil que en el modo de Rotación, lo que sugiere que la participación autocelccionada eleva el umbral para la acción, aunque los efectos direccionales se mantuvieron.
  • De la Intención a la Expresión Pública: Una vez que un agente formó una intención de habla, las evaluaciones internas tuvieron solo un efecto marginal en si realmente recibía el turno. En su lugar, las reglas de asignación de turnos fueron el predictor principal de la expresión realizada. En el Modo Voluntario, los agentes que querían hablar tenían ~3.34 veces más probabilidades de ser seleccionados que en el modo de Rotación.

Significado y Reivindicaciones

El artículo sostiene que TBS soporta la simulación social sensible a los mecanismos al hacer que la trayectoria desde la evaluación interna hasta la expresión pública sea observable y analizable.

• Alineación Teórica: Los resultados validan que TBS logra operacionalizar las teorías de la comunicación, distinguiendo específicamente entre la evaluación relacionada con la disonancia (un motivador expresivo) y la evaluación de la presión del silencio (una restricción expresiva).
• Proceso vs. Salida: El marco demuestra que las expresiones públicas no son productos directos del protocolo de simulación, sino que emergen de un proceso de dos etapas: (1) las evaluaciones internas que dan forma a la voluntad de hablar, y (2) las reglas externas (asignación de turnos) que determinan el acceso al foro público.
• Limitaciones y Trabajo Futuro: Los autores reconocen que este trabajo es preliminar. Las limitaciones incluyen la gestión heurística de la memoria (no fundamentada en teorías psicológicas de la memoria), la falta de recuperación basada en contenido (por ejemplo, RAG) y la escala limitada de experimentos respecto a temas y número de agentes. El trabajo futuro apunta a expandir estas escalas y refinar los mecanismos de memoria para equilibrar mejor la decadencia temporal con la reactivación basada en contenido.

El artículo concluye que TBS proporciona un banco de pruebas realista, interpretable y experimentalmente controlable para estudiar los procesos comunicativos latentes que son difíciles de observar directamente en las interacciones humanas.