Agora: A Drive-Based Framework for Agent Difffferentiation in Multi-Agent LLM Systems

Stel je voor dat je een enorme, bruisende bibliotheek binnenloopt waar de boeken niet door mensen zijn geschreven, maar door ongelooflijk slimme robots die Large Language Models (LLM's) worden genoemd. Deze robots zijn als superkrachtige papegaaien; ze kunnen bijna alles lezen wat ooit geschreven is en kunnen elke stijl imiteren, van een dichter tot een wetenschapper. Maar hier zit de crux: als je drie van deze robots dezelfde vraag stelt, geven ze vaak exact hetzelfde antwoord omdat ze allemaal getraind zijn op dezelfde data en op dezelfde "veilige" manier handelen. Om ze anders te laten denken, moeten mensen meestal speciale instructies voor elke robot schrijven, waarbij ze Robot A vertellen om een "criticus" te zijn en Robot B om een "dromer" te zijn. Dit is als het geven van scripts aan acteurs waarin staat: "Je moet boos zijn," in plaats van ze daadwerkelijk boos te laten voelen.

Wetenschappers vragen zich al lang af of we deze robots een ander gevoel van binnenuit kunnen geven, in plaats van alleen maar anders te laten acteren aan de buitenkant. Denk aan het verschil tussen een acteur die verdrietig doet omdat de regisseur dat zegt, en een persoon die echt verdrietig is omdat hij zijn favoriete speelgoed kwijt is. Dit nieuwe onderzoek, genaamd "Agora," probeert een systeem te bouwen waarbij de robots hun eigen interne "stemmingen" of "impulsen" hebben—zoals verveling, nieuwsgierigheid of stress—die bepalen hoe ze denken en spreken. De grote vraag is: als we deze robots een beetje emotionele persoonlijkheid geven, zullen ze dan beter samenwerken om problemen op te lossen, of zullen ze alleen maar in de war raken en ruzie maken?

---

Het "Agora"-experiment: Robots stemmingen geven

In dit onderzoek heeft een onderzoeker genaamd Zihan Lin een framework gebouwd genaamd Agora (wat staat voor Adaptive Group of Reasoning Agents). In plaats van de robots te vertellen welke rollen ze moeten spelen, geeft Agora hen zes onzichtbare "impulsen" die fungeren als een thermostaat voor hun brein. Deze impulsen zijn: verveling, nieuwsgierigheid, stress, angst, empathie en dienstbaarheid.

Zo werkt het in de echte wereld:

• Nieusgierigheid maakt een robot avontuurlijker, bereid om wilde ideeën te proberen.
• Stress maakt een robot voorzichtiger en nauwkeuriger, zoals een leerling die zijn huiswerk dubbelcheckt.
• Empathie maakt een robot betrokken en grondig, zoals een vriend die echt naar je verhaal luistert.

Deze stemmingen zijn niet alleen labels; ze passen daadwerkelijk de interne instellingen van de robot aan (zoals hoe willekeurig of hoe serieus de antwoorden moeten zijn). Het systeem brengt vervolgens een groep van deze "stemmingsgevoelige" robots samen rond een virtuele tafel (de RoundTable) om een probleem te bespreken. Ze maken concepten, bekritiseren elkaar en polijsten het uiteindelijke resultaat, terwijl hun interne stemmingen verschuiven en met elkaar interageren als een echte groep vrienden.

Wat ze vonden: Het hangt af van de taak

De onderzoeker testte dit systeem 375 keer met een echte AI-chatbot genaamd DeepSeek Chat. Ze vergeleken de "Mood-RoundTable" met andere manieren om antwoorden te krijgen, zoals het vragen aan slechts één robot, het vragen aan drie robots en de beste kiezen, of het gebruiken van een strikte "concept-kritiek-revisie" keten.

De resultaten waren een mix van "Wauw!" en "Niet zo snel," en ze waren volledig afhankelijk van wat voor soort taak de robots uitvoerden:

1. De Analytische Winst (De "Wiskunde en Logica" Zone)
Wanneer de taak diep nadenken, logica of het analyseren van complexe voor- en nadelen vereiste, was de RoundTable met stemmingen een superster. Het produceerde aanzienlijk betere antwoorden dan de andere methoden.

• De Magie: De robots met "stress" werden precies, terwijl die met "nieuwsgierigheid" nieuwe invalshoeken verkenden. Samen brachten ze elkaar perfect in evenwicht.
• De Score: De onderzoekers vonden een enorm verschil in kwaliteit (een statistisch effect van 2.26), wat betekent dat het team op basis van stemming duidelijk superieur was voor deze zware, denkintensieve taken.

2. Het Creatieve Verlies (De "Kunst en Verhaal" Zone)
Echter, wanneer de taak creatief was—zoals het schrijven van een verhaal of het brainstormen over ideeën—presteerde het team met stemmingen eigenlijk slechter dan een simpelere methode genaamd MajorityVoting.

• Waarom? Voor creativiteit ontdekten de onderzoekers dat je geen gestructureerd team met complexe stemmingen nodig hebt. Je hebt alleen een groep onafhankelijke robots nodig die willekeurig ideeën uitspugen en de beste kiezen. Het complexe "stemming"-systeem stond de pure, wilde exploratie in de weg.

3. Het Verlies bij Korte Formaten (De "Haiku en Code" Zone)
Voor zeer korte, precieze taken zoals het schrijven van een gedicht of een stukje code, won een andere methode genaamd AutoGenStyle (die een strikt stap-voor-stap revisieproces gebruikt).

• Waarom? Deze taken hebben een enkele lijn van gedachten nodig die keer op keer wordt gepolijst, niet een groep robots die debatteert. De "RoundTable"-aanpak was te rommelig voor deze strakke, korte klussen.

4. Het "Empathie" Geheim
De onderzoekers testten ook wat er gebeurde als ze één stemming weghaalden. Wanneer ze Empathie weghaalden, daalde de kwaliteit van de antwoorden het meest. Dit suggereert dat de robots, om hun beste analytische werk te doen, die specifieke "zorgzame" impuls nodig hebben om betrokken en grondig te blijven.

De Conclusie

Dit artikel suggereert dat er niet één enkele "beste" manier is om AI-agenten samen te laten werken.

• Als je logica en analyse nodig hebt, helpt het geven van interne stemmingen (zoals stress en nieuwsgierigheid) aan agenten om dieper en beter na te denken dan standaardmethoden.
• Als je creativiteit nodig hebt, is het beter om ze vrij en onafhankelijk te laten zonder complexe stemmingssystemen.
• Als je korte, precieze tekst nodig hebt, werkt een simpel stap-voor-stap revisieproces het best.

De studie toonde ook aan dat het systeem stabiel is; het kan 20 stappen achter elkaar doorgaan zonder vast te lopen of slechter te worden. De onderzoekers waarschuwen echter dat hun manier van het meten van "kwaliteit" (het gebruik van computerscores in plaats van menselijke beoordelaars) niet perfect is en sommige nuances kan missen. Ze suggeren dat hoewel deze "impuls-gebaseerde" aanpak een veelbelovende nieuwe manier is om AI-agenten menselijker en onderscheidender te laten voelen, het geen wondermiddel is dat elk probleem oplost. Het is een instrument dat het beste werkt voor specifieke taken, net zoals een hamer geweldig is voor spijkers maar verschrikkelijk voor het vastdraaien van een gloeilamp.