Yerkes-Dodson-Kurve für KI-Agenten: Kooperation entsteht unter Umweltstress

In einer ersten systematischen Untersuchung der Zusammenhänge zwischen Stress und Leistung in Multi-Agenten-Systemen großer Sprachmodelle (LLM) haben Forscher 22 Experimente in einem Grid‑World‑Survival‑Arena durchgeführt. Dabei wurden vier Phasen mit unterschiedlichen Umweltbelastungen getestet, die über Ressourcenknappheit (Wartungskosten) und reproduktiven Wettbewerb (sexuelle Selektion) moduliert wurden.

Die Ergebnisse zeigen, dass kooperatives Verhalten einer umgekehrten U‑Form folgt: Bei mittlerer Belastung (Wartungskosten = 5) erreicht die Anzahl der Handelsinteraktionen einen Höhepunkt von 29, während bei niedriger oder extremer Belastung nur 8 bis 12 Trades stattfinden. Unter extremem Druck reduziert sich das Verhalten innerhalb von 5 bis 12 Zügen auf reine Bewegung, ohne weitere Interaktionen.

Ein besonderer Fokus lag auf der sexuellen Selektion, bei der alle Agenten überleben, aber nicht alle reproduzieren. Diese sanftere Druckform eliminiert Aggression vollständig und fördert kommunikatives Verhalten, das unter Survival‑Pressure nicht beobachtet wurde. Die Studie legt nahe, dass die gezielte Kalibrierung von Umweltbelastungen ein effektives Curriculum‑Design für die Entwicklung von LLM‑Agenten darstellt – ein Ansatz, der der invertierten U‑Form zwischen Erregung und Leistung in biologischen Systemen entspricht.