Efectos del tamaño del grupo en sistemas de IA (modelos de lenguaje) multiagente de gran tamaño

A medida que los sistemas multiagente basados en grandes modelos de lenguaje (IA) se despliegan rápidamente a gran escala, sus comportamientos colectivos resultan cada vez más difíciles de anticipar a partir de las propiedades de los modelos aislados, lo que hace insuficientes las evaluaciones tradicionales de agentes individuales y grupos de tamaño fijo. Más allá de esta dicotomía, esta investigación analiza cómo el tamaño del grupo determina las dinámicas multiagente y el desalineamiento a lo largo de todo el espectro de tamaños poblacionales. Mostramos que las interacciones entre modelos no se limitan a agregar los rasgos individuales: pueden amplificar sesgos preexistentes, generar nuevos sesgos colectivos o incluso invertir las preferencias a nivel individual. De manera crucial, estos efectos emergentes dependen del tamaño del grupo de formas inesperadas y no lineales, dando lugar a distintos regímenes dinámicos dependientes del modelo y mostrando que, para las poblaciones de IA en interacción, más es, en efecto, diferente. Para caracterizar matemáticamente estas transiciones a nivel poblacional, desarrollamos un marco analítico de campo medio que muestra que, más allá de un tamaño crítico de población, las dinámicas multiagente convergen hacia un comportamiento determinista, revelando las cuencas de atracción asociadas a estados de equilibrio en competencia. Al establecer el tamaño del grupo como un factor fundamental del comportamiento colectivo, estos resultados subrayan la necesidad de tener explícitamente en cuenta las dinámicas a nivel poblacional en el diseño, el despliegue y la gobernanza de los sistemas de IA multiagente.

Referencia:

Flint, Aiello, Pastor-Satorras, and Baronchelli, Group size effects and collective misalignment in LLM multi-agent systems, Proc. Natl. Acad. Sci. U.S.A.123 (34) e2531697123, (2026).