Chi prende l’iniziativa? Capacità del modello e collaborazione con gli esseri umani in funzione del compito

Abstract degli autori

Man mano che gli agenti basati su modelli linguistici diventano più capaci, possono svolgere una parte maggiore del compito senza chiedere aiuto a nessuno. È facile interpretare il minor ricorso a un collaboratore umano come un fallimento della collaborazione, quando potrebbe invece riflettere una corretta divisione del lavoro. La sola frequenza del coinvolgimento umano non permette di distinguere i due casi. Studiamo sistematicamente questo fenomeno assegnando a un agente e a una persona un obiettivo comune e variando chi è avvantaggiato: la persona ha un netto vantaggio, nessuno dei due è avvantaggiato oppure lo è l’agente. Per controllare questa condizione, introduciamo un labirinto a controllo condiviso, in cui un avatar controllato dall’agente e uno controllato dalla persona hanno l’obiettivo comune di raggiungere la stessa destinazione nel minor numero possibile di turni della squadra. A ogni turno della squadra, l’agente decide se agire direttamente o cedere la mossa alla persona; la posizione iniziale determina il vantaggio della persona in termini di percorso più breve, mentre il compito resta invariato per il resto. Valutiamo GPT~5.6~Sol, Command~A+, Qwen~3.8~27B e Command~R misurando prima le loro capacità individuali con un solo avatar e la visibilità dell’intera mappa, poi facendoli giocare insieme a partecipanti umani nelle tre condizioni di vantaggio. Per i quattro modelli, migliori prestazioni individuali sono associate a un coinvolgimento selettivo della persona, che dipende dal percorso: i modelli che risolvono il labirinto in modo affidabile da soli agiscono autonomamente quasi senza eccezioni quando la persona non è avvantaggiata e la coinvolgono in circa $80\%$ delle decisioni iniziali quando il suo percorso è più breve. Command R, il modello con prestazioni individuali sostanzialmente inferiori, non mostra questa selettività.