🤖 AI

When Does Personality Composition Matter for Multi-Agent LLM Teams?

Deze studie onthult dat hoewel persoonlijkheidsprompting de communicatiestijlen in multi-agent LLM-teams aanzienlijk verandert, de impact ervan op objectieve taakprestaties kritisch afhankelijk is van de taakstructuur, waarbij een lage mate van meegaandheid verwaarloosbare effecten heeft op gestructureerde programmeertaken, maar de prestaties in open scenario's van samenwerking en competitieve onderhandelingen substantieel verslechtert.

Oorspronkelijke auteurs: Aryan Keluskar, Amrita Bhattacharjee, Huan Liu

Gepubliceerd 2026-06-29

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Aryan Keluskar, Amrita Bhattacharjee, Huan Liu

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je de manager bent van een team van superintelligente AI-robots. Je wilt weten: Maakt het uit of deze robots "aardig" of "gemeen" zijn?

Dit artikel onderzoekt precies dat. De onderzoekers namen krachtige AI-modellen en gaven ze een "persoonlijkheid-injectie" via hun instructies. Ze maakassen de robots zeer meegaand (coöperatief, warm, vriendelijk) en anderen zeer onwelwillend (koud, egoïstisch, argumentatief). Vervolgens bekeken ze hoe deze teams presteerden in drie verschillende soorten banen.

Hier is de eenvoudige analyse van wat ze ontdekten, gebruikmakend van alledaagse analogieën.

De Grote Ontdekking: Het Hangt Af van de Taak

De belangrijkste bevinding is dat persoonlijkheid je alleen schaadt als de taak "rommelig" is. Als de taak "gestructureerd" is, doet de persoonlijkheid van het team er niet veel toe voor het uiteindelijke resultaat.

Denk erover na als volgt:

Gestructureerde Banen (Coderen): Zoals het bouwen van een huis met een strikt blauwdruk. Zelfs als de arbeiders tegen elkaar schreeuwen en weigeren elkaars hand te schudden, wordt het huis nog steeds gebouwd, zolang ze de blauwdruk en de wetten van de natuurkunde volgen.
Rommelige Banen (Onderzoek & Onderhandelen): Zoals het brainstormen over een nieuw kunstproject of het onderhandelen over een prijs op een rommelmarkt. Hier is de manier waarop mensen met elkaar praten het werk zelf. Als ze schreeuwen en weigeren te luisteren, mislukt het project.

De Drie Experimenten

1. Het Coderings-team (De "Blauwdruk"-taak)

De Opzet: Drie AI-agenten werkten samen aan het schrijven van computercode.
De Persoonlijkheidsverschuiving: Toen de onderzoekers de agenten "onwelwillend" maakten, begonnen de agenten te vechten. Ze daagden elkaar uit, gebruikten vijandige taal en weigerden met elkaar tot een overeenkomst te komen.
Het Resultaat: Verrassend genoeg werkte de code nog steeds.
- Het "vechtende" team produceerde code die net zo correct was als de "aardige" groep.
- Waarom? Omdat code strikte regels heeft (syntaxis). Als je een zin schrijft die de grammaticaregels van de computer niet volgt, crasht het systeem. De "vechtende" agenten waren misschien onbeleefd, maar ze volgden nog steeds de strikte regels van de code. De "blauwdruk" beschermde het eindresultaat tegen het slechte gedrag.

2. Het Onderzoeksteam (De "Brainstorm"-taak)

De Opzet: Agenten moesten samen nieuwe, creatieve onderzoeksideeën bedenken.
De Persoonlijkheidsverschuiving: De "onwelwillende" agenten begonnen te discussiëren en ideeën af te schieten.
Het Resultaat: Het team faalde jammerlijk.
- De kwaliteit van de ideeën daalde met ongeveer 66%.
- Waarom? Er is geen "blauwdruk" voor een goed idee. Als het team stopt met het delen van ideeën omdat ze ruzie maken, is de output simpelweg slecht. De "rommeligheid" van de taak betekende dat de slechte persoonlijkheid het resultaat verpestte.

3. Het Onderhandelsteam (De "Deal-sluitende"-taak

De Opzet: Twee agenten speelden een spel waarbij de één een koper en de ander een verkoper was. Ze moesten een prijs overeenkomen.
De Persoonlijkheidsverschuiving: De "onwelwillende" agenten weigerden concessies te doen.
Het Resultaat: De deal viel volledig uit elkaar.
- In de "aardige" versie kwamen ze ongeveer 40% van de tijd tot een overeenkomst over de prijs. In de "gemene" versie kwamen ze 0% van de tijd tot een overeenkomst.
- Waarom? Onderhandelen vereist vertrouwen en concessies. Als je "gemeen" bent, geef je geen millimeter toe, en sterft de deal.

De Verrassing over "Gemeen" vs. "Aardig"

De onderzoekers testten ook of "super aardig" zijn (Hoge Meegaendheid) hielp.

De Bevinding: "Gemeen" zijn veroorzaakte grote problemen in de rommelige taken. Maar "super aardig" zijn maakte de teams niet echt beter in hun prestaties dan normaal. Het hield de zaken vooral hetzelfde.
De Les: Het is niet dat "aardig" een superkracht is; het is dat "gemeen" een valstrik is die alleen werkt als de taak geen strikte regels heeft om je te redden.

De "Veiligheidsklep"-analogie

Het artikel suggereert dat Gestructureerde Output fungeert als een veiligheidsklep.

Bij Coderen fungeert de computercode zelf als een filter. Zelfs als de agenten toxisch zijn, wijst de computer slechte code automatisch af. De "toxiciteit" wordt gefilterd voordat het het eindproduct bereikt.
Bij Onderzoek en Onderhandelen is er geen filter. De output is het gesprek. Als het gesprek toxisch is, is de output toxisch.

Samenvatting

Maakt persoonlijkheid uit? Ja, maar alleen voor bepaalde taken.
Wanneer maakt het uit? Wanneer de taak afhankelijk is van een vrije stroom van gesprekken (zoals brainstormen of onderhandelen).
Wanneer maakt het NIET uit? Wanneer de taak afhankelijk is van strikte, op regels gebaseerde outputs (zoals het schrijven van code). De regels van de taak beschermen het resultaat tegen de slechte stemmingen van de agenten.

Het artikel concludeert dat als je AI-teams bouwt, je je niet hoeft te bekommeren over het "aardig" maken van hen als ze strikte, op regels gebaseerde taken uitvoeren. Maar als je ze vraagt te onderhandelen of nieuwe ideeën te creëren, moet je absoluut ervoor zorgen dat ze kunnen samenwerken, anders stort het hele project in.

Technische Samenvatting: Wanneer doet de persoonlijkheidscompositie ertoe voor Multi-Agent LLM-teams?

Probleemstelling

Hoewel eerder onderzoek heeft vastgesteld dat persoonlijkheidsprompting (specifiek het manipuleren van de "Big Five"-eigenschappen) de communicatiestijl van Large Language Models (LLM's) verandert — bijvoorbeeld door een lage mate van meegaandheid (agreeableness) te induceren bij agents — blijft de impact van deze gedragsveranderingen op objectieve taakresultaten onderbelicht. Het is onduidelijk of veranderingen in de communicatiestijl leiden tot prestatieverslechtering of of ze worden gebufferd door de aard van de taak zelf.

Dit artikel adresseert de kloof tussen procesmatige communicatieverschuivingen en prestaties op resultaatniveau in multi-agent systemen. Specifiek wordt onderzocht of de "persoonlijkheidscompositie" van een agent-team van belang is voor het succes van de taak, en zo ja, hoe deze relatie varieert over verschillende takengebieden (gestructureerde codering, open-ended onderzoek en competitief onderhandelen). De auteurs hypothetiseren dat de structuur van het outputmedium (bijv. code met syntactische beperkingen versus ongestructureerde natuurlijke taal) als een buffer kan fungeren, waardoor dysfunctionele communicatie wordt ontkoppeld van de uiteindelijke leverables.

Methodologie

Experimenteel Ontwerp

De studie evalueert systematisch de effecten van persoonlijkheid over drie verschillende takengebieden met behulp van frontier LLM's (Claude Sonnet 4.5, GPT-4o, Grok-3 en DeepSeek V3.1). De domeinen zijn geselecteerd om de ruimte van interactiemodiën te bestrijken op basis van twee dimensies: Artefactstructuur (beperkte versus onbeperkte output) en Doelafstemming (coöperatief versus competitief).

Codering (Coöperatief + Hoge Artefactstructuur): 3-agent teams werken samen aan software engineering taken (MultiAgentBench). De deliverables worden beperkt door syntaxis, typesystemen en functionele specificaties.
Onderzoek (Coöperatief + Lage Artefactstructuur): 5-agent teams genereren onderzoeksideeën via open-ended discussies. De deliverables zijn onbeperkte natuurlijke taal.
Onderhandeling (Competitief + Lage Artefactstructuur): 2-agent kopers-verkopers onderhandelingen. Resultaten hangen af van het bereiken van een overeenkomst via gestructureerde acties (aanbiedingen/acceptaties), maar missen formele verificatiebeperkingen.

Persoonlijkheidsmanipulatie

De auteurs hanteren Goldbergs bipolaire adjective paren voor de Big Five-eigenschappen, volgens het protocol van Serapio-García et al. (2025).

Protocol: Eigenschappen worden gevormd met behulp van 9-niveau linguïstische kwalificaties. De primaire experimentele condities zijn Lage Meegaandheid (Low-A) (Niveau 2: "zeer onvriendelijk, zeer oncoöperatief...") en Hoge Meegaandheid (High-A) (Niveau 8).
Controle: De studie bevat ablatie-studies op Consciëntieusheid en Openheid om te bepalen of effecten specifiek zijn voor Meegaandheid of algemeen aan persoonlijkheidsprompting gerelateerd zijn.
Meting: Communicatie wordt gemeten met een aangepaste Bales' Interaction Process Analysis. Berichten worden gesegmenteerd en gelabeld voor vier handelingen: Vragen, Meningsverschillen, Suggesties en Erkenningen. Een Communicatiestaat ( $\phi$ ) wordt gedefinieerd als de fractie van handelingen die gewijd zijn aan exploratie (vragen, meningsverschillen, suggesties) versus convergentie (erkenningen).

Evaluatiemetrieken

Codering: Telling van mijlpaal-voltooien en door LLM beoordeelde planningskwaliteit.
Onderzoek: Mijlpaal-tellingen (door LLM beoordeelde kwaliteit van ideeën).
Onderhandeling: Overeenkomstpercentages en aanbod-bewegingsgedrag.

Belangrijkste Resultaten

1. Communicatieverschuivingen zijn universeel, uitkomsten zijn taakafhankelijk

Lage Meegaandheid (Low-A) prompting induceert consistent een massale verschuiving in de communicatiestijl over alle modellen en domeinen, wat de exploratie-fractie ( $\phi$ ) drijft van baseline-niveaus (bijv. 0.44) naar bijna het maximum (0.93). Deze verschuiving wordt gekenmerkt door een dominantie van meningsverschillen (voor Claude, GPT-4o, Grok-3) of suggesties (voor DeepSeek).

Echter, de voortplanting van deze verschuiving naar objectieve uitkomsten hangt volledig af van het takendomein:

Codering (Hoge Structuur): Ondanks grote communicatieverschuivingen (en gedegradeerde planningskwaliteit), blijft de mijlpaal-voltooiing nabij de baseline voor 3 van de 4 modellen (Cohen's $d \approx 0.06$ voor Claude). De formele beperkingen van code (syntaxis, types) lijken het team te beschermen tegen de negatieve effecten van adversariële communicatie.
Onderzoek (Lage Structuur): Dezelfde Low-A manipulatie verslechtert de prestaties aanzienlijk. Mijlpalen dalen significant (bijv. GPT-4o daalt met 66% van 10.5 naar 3.5). Zonder structurele beperkingen is de kwaliteit van de output direct gekoppeld aan de kwaliteit van de discours.
Onderhandeling (Competitief/Lage Structuur): Lage Meegaandheid veroorzaakt een bijna totale instorting van de overeenkomstpercentages (dalend tot $\le 1\%$ over alle modellen). Hoge Meegaandheid (High-A) verdubbelt daarentegen ongeveer de baseline overeenkomstpercentages.

2. Specificiteit voor Meegaandheid

De effecten zijn eigenschapspecifiek. Ablatie-studies op Consciëntieusheid en Openheid laten zien dat het manipuleren van deze eigenschappen niet dezelfde drastische communicatieverschuivingen ( $\phi$ blijft nabij de baseline) of prestatieverslechtering produceert. Het fenomeen is uniek verbonden met de dimensie Meegaandheid.

3. Asymmetrie van Effecten

Er is een duidelijke asymmetrie tussen de Low-A en High-A condities. Low-A drijft consistent grote verschuivingen in communicatie en significante prestatieverslechtering (in niet-coderings-taken) aan. High-A produceert verwaarloosbare verschuivingen in de communicatiestaat ( $\phi$ ) en heeft over het algemeen geen significante effecten op de uitkomst, behalve een bescheiden verbetering in de onderhandelingspercentages.

4. Mechanisme van Falen in Onderhandelingen

In onderhandelings-taken is het falen van Low-A agents niet louter een weigering om instructies op te volgen (zoals getest tegen een "nooit accepteren" controle). In plaats daarvan nemen Low-A agents actief deel aan de onderhandeling (bewegen weg van openingsbiedingen) maar weigeren zij overeenkomsten te finaliseren, wat wijst op een gedragsverandering in de bereidheid tot toegeven in plaats van een falen om deel te nemen.

Betekenis en Claims

Het artikel claimt het eerste systematische bewijs te leveren dat persoonlijkheidseffecten in multi-agent LLM's niet universeel zijn, maar worden gemedieerd door taakstructuur.

Artefact-gemedieerde Buffering: De auteurs stellen voor dat gestructureerde outputmedia (zoals code) teams kunnen "bufferen" tegen persoonlijkheid-geïnduceerde procesverslechtering. De formele beperkingen van het artefact verkleinen de oplossingsruimte onafhankelijk van de kwaliteit van de communicatie, waardoor teams kunnen slagen ondanks dysfunctionele interactie.
Ontwerpimplicaties: Voor ontwerpers van multi-agent systemen suggereert dit dat de persoonlijkheidscompositie een cruciale ontwerpparameter is voor ongestructureerde taken (collaboratief onderzoek, onderhandeling), maar minder kritisch kan zijn voor hooggestructureerde taken (codering) waarbij het artefact zelf convergentie afdwingt.
Beperkingen van Persoonlijkheidsmanipulatie: De studie benadrukt dat hoewel persoonlijkheidsprompting een krachtig middel is om de communicatiestijl te veranderen, de bruikbaarheid ervan voor het verbeteren van objectieve prestaties beperkt en sterk contextafhankelijk is. Het "adversariële" voordeel van lage meegaandheid (het dwingen tot rationalisatie) dat wordt waargenomen in de menselijke psychologie, vertaalt zich niet naar verbeterde mijlpaal-voltooiing in coderingstaken, noch voorkomt het prestatie-instorting in open-ended collaboratie.

Het werk concludeert dat de relatie tussen communicatiestijl en taakprestatie een empirische vraag is die niet over domeinen heen gegeneraliseerd kan worden; de "persoonlijkheidscompositie" van een agent-team doet er vooral toe wanneer de taak geen structurele beperkingen heeft om tegen interpersoonlijke frictie te bufferen.