Digital Pantheon: Simulating and Auditing Coalition Formation with LLM Agents
Dit artikel presenteert een multi-agent framework dat fine-tuning, preferentieoptimalisatie en retrieval-augmented generation combineert om partijdige politieke coalitieonderhandelingen met ideologische getrouwheid te simuleren, waarbij een nieuw systeem voor het traceren van afstamming wordt geïntroduceerd om te valideren hoe op manifesten gebaseerde inhoud werkelijke overeenkomstuitkomsten voorspelt.
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 een wereld voor waarin computers niet alleen vragen beantwoorden, maar ook echt met elkaar in discussie gaan zoals mensen dat doen. Dit is het domein van Generatieve AI, waar Large Language Models (LLM's) de hoofdrol spelen. Denk aan deze modellen als ongelooflijk goed onderlegde bibliothecarissen die bijna alles hebben gelezen wat ooit geschreven is. Er is echter een addertje onder het gras: omdat ze getraind zijn om beleefd en behulpzaam te zijn voor iedereen, gedragen ze zich vaak als een neutrale scheidsrechter die weigert een kant te kiezen. Ze worstelen met het zijn van een echte "fan" van een specifieke ploeg, wat hen ongeschikt maakt voor het simuleren van de echte politiek, waar partijen fel loyaal zijn aan hun eigen ideeën en constant vechten om te winnen.
Om dit op te lossen, proberen wetenschappers Multi-Agent Systemen te boueren. Stel je een kamer voor vol verschillende computerkarakters, die elk geprogrammeerd zijn om te handelen als een specifieke politieke partij. Het doel is om hen een deal te laten onderhandelen, precies zoals echte politici dat doen na een verkiezing, om te zien wat voor regering zij zouden kunnen vormen. De grote vraag is: Kunnen we deze computerkarakters ertoe brengen trouw te blijven aan hun "partijlijn" zonder dat ze per ongeluk te aardig worden of dingen verzinnen? Als we dit goed krijgen, zouden we deze digitale simulaties kunnen gebruiken om politieke ideeën te testen voordat ze in de echte wereld plaatsvinden, wat ons helpt begrijpen hoe verschillende groepen kunnen compromitteren of botsen.
Het Digitale Pantheon: Een Politieke Simulator voor het AI-tijdperk
In dit artikel introduceren de auteurs een nieuwe manier om politieke coalitievorming te simuleren, genaamd het Digitale Pantheon. Ze wilden een specifiek probleem oplossen: standaard AI-modellen zijn te "aardig" en neutraal om te handelen als echte, koppige politieke partijen. Als je een AI simpelweg vertelt: "Doe alsof je de N-VA bent," vergeet de AI meestal na een paar zinnen zijn rol en begint weer te handelen als een behulpzame assistent. Om dit te verhelpen, heeft het team een systeem gebouwd dat de AI dwingt in zijn rol te blijven, geworteld in echte documenten, en klaar om te onderhandelen.
Hoe ze de digitale politici bouwden
De onderzoekers vroegen de AI niet alleen om te "doen alsof" het een partij was; ze hebben de hersenen van de AI fundamenteel verbouwd met een driestapsrecept:
- Het Script (Supervised Fine-Tuning): Eerst leerden ze de AI om te spreken als een politicus. In plaats van te zeggen: "De partij stelt X voor," leerde het model te zeggen: "Wij zullen X doen." Dit wordt de "Method Actor"-persona genoemd, waarbij de AI de partij volledig belichaamt in plaats van deze alleen maar te beschrijven.
- De Houding (Direct Preference Optimization): Vervolgens leerden ze de AI om een beetje agressief en partijdig te zijn. Ze lieten het model voorbeelden zien van goede, pittige politieke argumenten en slechte, neutrale argumenten, en trainden het om de pittige te verkiezen. Dit zorgt ervoor dat de AI niet in het midden van de weg blijft zitten, maar vecht voor zijn specifieke kant.
- Het Regelboek (Retrieval-Augmented Generation): Ten slotte, om te voorkomen dat de AI dingen verzint (hallucineren), gaven ze elke partij haar eigen privébibliotheek met het officiële verkiezingsprogramma van 2019. Voordat de AI iets zegt, moet hij de regel in zijn bibliotheek opzoeken. Als de bibliotheek het niet vermeldt, mag de AI het niet claimen.
De Onderhandelingsarena
Het team zette een simulatie op gebaseerd op de Vlaamse verkiezingen van 2019 in België. Ze creëerden digitale agenten voor de drie belangrijkste partijen die uiteindelijk een regering vormden: N-VA, CD&V en Open Vld.
Deze agenten betraden een "hub-and-spoke" onderhandelingskamer. Een centraal personage, de formateur (de persoon die de gesprekken leidt), trad op als scheidsrechter. De partijen kwamen om de beurt hun eisen naar voren, voerden hun argumenten aan en probeerden een gemeenschappelijk grondpunt te vinden. De simulatie draaide over vier rondes van onderhandelingen, een proces dat ontworpen is om te zien of de partijen tot een coalitieakkoord kunnen komen zonder dat de AI in de war raakt of opgeeft.
Het Detectiewerk: Elke Woord Volgen
Het meest opwindende deel van dit artikel is hoe ze ontdekten wie de onderhandeling daadwerkelijk heeft gewonnen. Omdat AI een "black box" kan zijn (moeilijk van binnenuit te bekijken), hebben de auteurs een detectietool uitgevonden genaamd de Multi-Layered Information Lineage Topology (MILT).
Stel je voor dat elke zin in de uiteindelijke overeenkomst een aanwijzing is. De MILT-tool spoort die zin in de tijd terug:
- Directe afstamming (Direct Lineage): Kwam dit idee rechtstreeks uit het oorspronkelijke partijprogramma en heeft het de strijd overleefd? (De partij scoort hier groot).
- ar Verwaterde afstamming (Diluted Lineage): Begon de partij met het idee, maar moest het wateren om een deal te sluiten? (Ze krijgen nog steeds krediet, maar minder).
- Gesynthetiseerde afstamming (Synthesized Lineage): Hebben twee partijen hun verschillende ideeën gemengd om iets nieuws te creëren? (Beiden krijgen krediet).
- Systeemfout of Wees (Pipeline Artifact of Orphan): Heeft de AI zomaar iets uit de lucht gegrepen omdat het in de war raakte? (Niemand krijgt krediet; dit is een fout).
Door deze paden te volgen, creëerden ze een Coalition Influence Score (CIS). Deze score telt punten op voor elke clausule die een partij succesvol heeft doorgevoerd, wat hen een duidelijke ranglijst geeft van wie de uiteindelijke deal echt heeft vormgegeven.
Wat ze vonden
Toen ze de simulatie drie keer draaiden, waren de resultaten verrassend stabiel en realistisch:
- De Winnaar: De partij N-VA kwam consequent als winnaar uit de bus, gevolgd door CD&V en daarna Open Vld. De N-VA won niet alleen; ze domineerden de categorie "Directe afstamming", wat betekent dat hun oorspronkelijke ideeën het vaakst de onderhandelingen overleefden.
- De Reality Check: Het team vergeleek hun gesimuleerde akkoord met het daadwerkelijke regeringsakkoord dat in 2019 in de echte wereld werd getekend. Ze ontdekten dat ideeën met een duidelijke "afstamming" (die herleidbaar zijn naar een echt partijprogramma) veel vaker voorkwamen in het echte akkoord.
- Ongeveer 57,4% van de bepalingen in de simulatie was verankerd in echte partijprogramma's.
- Echter, ongeveer 28,9% van de inhoud was "systemische fout" of hallucinatie—dingen die de AI verzonnen die niet in de echte wereld bestonden.
- De Les: De simulatie liet zien dat wanneer AI-agenten worden gedwongen om zich aan hun echte documenten te houden, ze de werkelijke uitkomsten vrij goed kunnen voorspellen. Zo was de simulatie in de sector "Onderwijs" zeer accuraat (een grounding score van 0,491), maar in "Financiën en Begroting" had het meer moeite (een score van 0,147), waarbij het vaak nepcijfers of deadlines bedacht die niet overeenkwamen met de werkelijkheid.
Waarom dit ertoe doet
De auteurs beweren niet dat ze de politiek hebben opgelost of dat AI menselijke kiezers kan vervangen. In plaats daarvan hebben ze een transparante "testomgeving" gebouwd. Deze tool stelt onderzoekers in staat om te zien hoe een coalitie zou kunnen vormen, en niet alleen wat het resultaat is. Het bewijst dat als je AI de juiste instrumenten geeft (een sterke persoonlijkheid, een strikt regelboek en een manier om bronnen te traceren), het complexe menselijke onderhandelingen kan simuleren zonder de grip op de realiteit te verliezen.
De studie suggereert dat hoewel AI de structuur van politiek compromis kan nabootsen, het nog steeds worstelt met de specifieke details van complexe onderwerpen zoals budgetten. Maar door gebruik te maken van tools zoals de MILT, kunnen we nu de "echte" politieke overwinningen scheiden van de dagdromen van de AI, waardoor deze simulaties een krachtige manier worden om politieke strategieën te verkennen voordat ze de krantenkoppen halen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.