Livello bayesiano delle credenze per dinamiche di opinione controllabili negli agenti LLM

Abstract degli autori

Nelle simulazioni sociali, gli agenti LLM rivedono implicitamente le proprie opinioni in base al contesto: quanto un agente sia aperto alla persuasione non può né essere specificato né verificato, e gli esiti collettivi ereditano il prior di addestramento del modello. Introduciamo Bayesian Chronicle Agents (BCA), un livello minimo di credenze che separa \emph{che cosa} crede un agente da \emph{come} parla. Ogni posizione è una probabilità, aggiornata con un passaggio bayesiano per ogni enunciato ascoltato. Un unico parametro di forza del prior $κ$ codifica la testardaggine, modellato sul ruolo che svolge nelle dinamiche di opinione di Friedkin--Johnsen (FJ). Facciamo quindi variare questo parametro per ottenere a richiesta tre regimi canonici delle dinamiche di opinione (consenso, disaccordo persistente, influenza di una minoranza impegnata); il disaccordo persistente corrisponde ai punti fissi in forma chiusa di FJ, con $R^2\!=\!0.93$--$0.99$. Mostriamo inoltre che il valore di $κ$ prescritto resta recuperabile dopo il passaggio di andata e ritorno attraverso il linguaggio, con un recupero perfetto dell’ordine dei ranghi in tutti e quattro i modelli. Rendere esplicite le credenze permette anche di sottoporre la simulazione ad audit: il livello mette in evidenza bias sistematici nelle posizioni specifici di ciascun modello, che una simulazione end-to-end assorbirebbe senza renderli visibili.