Resumen Técnico: Límites de Información y Dinámicas de Atractores en Economías de Agentes LLM de Frontera

Declaración del Problema

Este artículo aborda dos preguntas fundamentales y no probadas sobre poblaciones de agentes de Modelos de Lenguaje Extensos (LLM) de frontera interactuando en entornos económicos y de selección:

1. Acoplamiento de Riqueza de Información: ¿Obedecen los agentes LLM acoplados las leyes clásicas de la teoría de la información que conectan su información "reclamada" (creencias a posteriori) con su crecimiento económico (acumulación de riqueza) en mercados parimutuel? Específicamente, ¿es la tasa de crecimiento relativa de los agentes igual a su contenido de información relativa, y exhiben los valores de las coaliciones la submodularidad o sinergia predicha?
2. Dinámica de Población y Control: ¿Responden las poblaciones de LLM de manera suave a las palancas de incentivo y control (por ejemplo, gradientes de recompensa y bonificaciones de alineación) como asumen los modelos de campo medio? ¿O exhiben comportamientos discretos y no lineales como el cambio de atractor y el colapso de la dispersión de objetivos?

Trabajos previos han simulado agentes LLM en entornos sociales o económicos, pero ninguno ha probado rigurosamente estas leyes cuantitativas en modelos de frontera con bandas de aceptación pre-registradas y ejecución determinista y auditable.

Metodología

El estudio emplea un experimento pre-registrado de dos partes utilizando el modelo claude-opus-4-8. La metodología se distingue por su estricta adherencia a la reproducibilidad científica y la auditabilidad:

• Pre-Registro y Congelación: Todas las predicciones, bandas de aceptación, reglas de decisión y puertas de protocolo se comprometieron en un repositorio público de Git antes de la recolección de datos. Se realizaron tres enmiendas "ciegas" (antes de las ejecuciones que regían) para abordar restricciones externas o inconsistencias internas.
• Determinismo y Control de Costos: Cada llamada a la API fue almacenada en caché en una base de datos SQLite indexada por la solicitud completa. El análisis es enteramente determinista y re-ejecutable fuera de línea desde la caché a costo marginal cero. El gasto total de API medido fue de $138.76.
• Diseño de Instrumentos:
  • Experimento A (Región de Capacidad): Los agentes interactúan en un mercado parimutuel sobre un mundo de 3 bits. Se prueban cuatro estructuras de percepción (disjuntas, superpuestas, clonadas, ruidosas) y un control de sinergia XOR diseñado. Los agentes reportan sus posteriores, que se convierten mecánicamente en apuestas. El crecimiento se mide como el cambio esperado del logaritmo de la riqueza.
  • Experimento B (Escalamiento Residual): Una población de 20 agentes ocupa un paisaje de 16 nichos con un gradiente de recompensa ($g$) y un bono de control ($\gamma$) en un nicho objetivo. El experimento prueba una cuadrícula de $3 \times 3$ de valores de $(g, \gamma)$ a través de 8 semillas (72 ejecuciones) para medir el desalineamiento de la población y la dispersión de objetivos ($V$).
• Reglas de Decisión: Un analizador mecánico evalúa los resultados contra las bandas congeladas. Los veredictos se categorizan como PASS (APROBADO), CLEAN NEGATIVE (NEGATIVO LIMPIO) o CAP (No puede responder - Rango de espectro insuficiente en el régimen).

Contribuciones Clave

1. Primera Confirmación Pre-Registrada de las Leyes de Capacidad Acoplada: El artículo proporciona evidencia empírica de que los agentes LLM de frontera obedecen leyes específicas de la teoría de la información en mercados acoplados, incluyendo la "ley del gap" (el crecimiento relativo es igual a la información relativa), la submodularidad condicional del valor de la coalición y el techo de entropía sobre el crecimiento conjunto.
2. Resultado Negativo Estructural para Modelos de Campo Medio: El estudio demuestra que las poblaciones de LLM probadas no ocupan el régimen de "dispersión mantenida por ruido" requerido para los modelos de respuesta lineal de campo medio suaves. En su lugar, exhiben un colapso de la dispersión de objetivos ($V \to 0$) y respuestas de función de escalón ante las palancas de control.
3. Metodología Auditable: El artículo establece una plantilla para experimentos de bajo costo y alta integridad pre-registrados sobre poblaciones de modelos de frontera, con bandas congeladas, enmiendas ciegas y procedencia completa mediante una cadena de commits pública.

Resultados

Resultado 1: La Región de Capacidad Acoplada se Mantiene

A través de cuatro estructuras de percepción y un control de sinergia diseñado, el experimento confirmó lo siguiente dentro de las bandas pre-registradas:

• Ley del Gap: La diferencia en el crecimiento relativo entre agentes es igual a la diferencia en su información reclamada ($\hat{G}_a - \hat{G}_b = \hat{I}_a - \hat{I}_b$). La desviación máxima fue de 46 milinats (dentro de la banda de 50 milinats).
• Estructura de Coalición: El valor de la coalición fue submodular donde los canales eran condicionalmente independientes (margen máximo $-0.019 \ge -0.03$). En el control de sinergia XOR (donde las señales individuales portan cero información pero la señal conjunta porta un bit), el valor de la coalición cambió a supermodular con un gap de 0.621 nats (superando la banda de 0.347 nats), demostrando la capacidad de los agentes para razonar estructuras de paridad conjunta.
• Techo Conjunto: Ninguna coalición excedió la tasa de entropía del mundo ($H(X)$); el límite se mantuvo con precisión numérica.
• Selección de Riqueza: En un mercado vivo de 40 rondas, el agente con la información más limpia absorbió $\ge 99.9\%$ del fondo de riqueza en todas las semillas, y el orden de la riqueza siguió estrictamente el orden de la información en 4/5 semillas.
• Desviación Notable: La predicción de que los clones con señales idénticas alcanzarían una riqueza terminal igual falló (2/4 semillas calificables pasaron). El mecanismo fue identificado como "dinámicas de absorción de todo o nada" (all-in dynamics), donde el ruido de muestreo en una sola ronda elimina permanentemente a un clon del fondo de suma cero.

Resultado 2: El Régimen de Campo Medio No Existe

La prueba de la ley de escalamiento residual ($\text{residual} \propto V g / \gamma$) devolvió un veredicto de CAP (No puede responder).

• Colapso de la Dispersión: En las 72 ejecuciones de la cuadrícula, la dispersión de objetivos ($V$) colapsó casi a cero (máximo $V=4.85$ frente a un piso congelado de 5.31). La población nunca mantuvo la dispersión sostenida por el ruido requerida para el régimen de respuesta lineal.
• Dinámicas de Función de Escalón: La respuesta de la población fue discreta en lugar de suave.
  • Cuando el control ($\gamma$) excedió el incentivo máximo ($12g$), la población se alineó perfectamente con el objetivo ($\bar{k}=0$).
  • Cuando el incentivo dominaba, la población se agrupaba cerca del pico de recompensa.
  • Cerca del límite ($\gamma \approx 12g$), el sistema exhibió biestabilidad, donde la semilla específica (ruido de muestreo) determinaba en qué atractor se asentaba la población.
• Bracketeo de Tres Instrumentos: Combinado con dos intentos fallidos previos usando modelos más pequeños (uno debido a la saturación del gradiente y otro por falta de respuesta), los resultados sugieren que el dominio de la ley de respuesta lineal de campo medio es vacío para las poblaciones de LLM probadas. La ley se reporta como "retirada a su alcance matemático" en lugar de falsificada.

Significancia y Reivindicaciones

El artículo reclama dos hallazgos distintos pero igualmente ponderados:

1. Validez Cuantitativa de las Leyes de Economía de la Información: Establece que, para los agentes de frontera, "lo que un agente sabe mensurablemente, le cuesta mensurablemente en ganancias". El acoplamiento de la información y la riqueza en mercados parimutuel sigue leyes precisas y falsificables derivadas de la teoría clásica de la información.
2. la Dinámicas de Atractores Discretos: Desafía la suposición de que las poblaciones de LLM responden suavemente a los incentivos. En su lugar, estas poblaciones se comportan como sistemas de atractores discretos. Las intervenciones no producen ajustes marginales; o bien cambian la población a un nuevo basín de atracción o no tienen un efecto mensurable. Esto implica que las estrategias de gobernanza multi-agente que dependen de modelos de respuesta lineal suave pueden estar fundamentalmente desalineadas con las dinámicas reales de las poblaciones de LLM.

Los autores enfatizan que el resultado negativo (Resultado 2) solo es interpretable porque el instrumento fue probado por el resultado positivo (Resultado 1). El estudio concluye que, si bien la región de capacidad es una propiedad confirmada de estos agentes, el régimen suave de campo medio asumido por muchas teorías de seguridad y alineación parece ser un artefacto no presente en las poblaciones reales de LLM.