Общество LLM-агентов можно запустить на ноутбуке — но не вслепую

Большое общество LLM-агентов может оказаться задачей не для кластера, а для ноутбука. Но главный риск здесь не в недостатке вычислений: если неправильно упростить восприятие агента, дешёвая симуляция будет быстро считать не то, что нужно.

Авторы предлагают не копировать «мышление» каждого агента целиком. Вместо этого они берут от нескольких сотен до нескольких тысяч недорогих запросов к LLM, по ним строят компактную модель поведения, а затем запускают уже её — при любом числе агентов N.

Идея особенно полезна для исследований, где важна не реплика отдельного участника, а поведение всей системы: фазовые переходы, устойчивые макроэкономические закономерности и масштабирование при росте числа агентов. В таком случае дорогая детализация каждого агента может быть лишней.

Ключевой инструмент авторов — классификация «порядок взаимодействия × память». Она связывает то, сколько информации видит агент и как долго он её хранит, с ожидаемой ошибкой упрощённой модели. То есть вопрос «можно ли заменить LLM?» предлагается решать до запуска симуляции, а не проверять вслепую после получения красивых графиков.

Метод проверили на точной реализации LLM-макроэкономики EconAgent и ещё семи названных симуляциях. Решения агентов воспроизводились по настоящим ответам LLM, преимущественно DeepSeek; сами запросы стоили несколько долларов. Предсказанные тренды ошибки совпали с результатами по всем ячейкам эксперимента. Два предсказания не сработали напрямую, но и эти отклонения теория количественно объяснила — без дополнительных подгоночных параметров.

Ограничения тоже существенные. Источник не обещает, что любой LLM-агент без потери смысла превращается в простую формулу. Результат зависит от того, что агент воспринимает, какую память сохраняет и насколько реакция системы насыщается; именно сильное насыщение стало причиной двух расхождений. Кроме того, речь идёт о симуляциях и статистических закономерностях, а не о полноценной замене модели в задачах, где важны индивидуальные решения и редкие события.

Практический вывод для разработчика симуляций простой: сначала нужно измерить структуру восприятия и памяти агентов на дешёвых запросах, а уже потом выбирать масштаб запуска. Сможете ли вы доверить выводы о поведении большой группы модели, которая сама не является полноценным LLM-агентом? Источник: cs.AI updates on arXiv.org