في عالم اليوم المتسارع، يعتبر فهم كيفية تعاون البشر وتواصلهم في الفرق أمراً حيوياً لتحسين آليات التفاعل بين البشر والذكاء الاصطناعي. ولكن، الاعتماد فقط على البيانات الكبيرة الناتجة من دراسات المستخدمين غالباً ما يواجه قيوداً لوجستية وأخلاقية تجعل من الصعب الحصول على رؤية شاملة. لذا، يظهر هنا أهمية النماذج الاصطناعية التي تكون قادرة على تمثيل سلوكيات بشرية متنوعة.

مؤخراً، أثبتت الوكلاء الم-powered by نماذج اللغات الضخمة (LLMs) قدرتها على تقليد سلوكيات بشرية في البيئات الاجتماعية. لكن التحدي يظل في كيفية الحصول على مجموعة كبيرة من هذه السلوكيات المتنوعة، مما يتطلب جهوداً يدوية في تصميم التوجيهات (prompts).

في هذا البحث، يجمع العلماء بين أسلوب تحسين جودة التنوع (Quality Diversity - QD) مع الوكلاء المدعومين بالـ LLMs، ليقوموا بالبحث بشكل تكراري عن توجيهات تنتج سلوكيات فرق متنوعة في بيئات تعاونية معقدة. من خلال تجارب مع أفراد، أظهر الباحثون أن البشر يميلون إلى تنسيق وتواصل متنوع للغاية في هذا المجال.

تقدم الدراسة سلسلة من التجارب التي تبرز أن نهجهم قادر على التقاط سلوكيات يصعب ملاحظتها دون جمع بيانات على نطاق واسع. ولتأكيد ذلك، تم إجراء دراسة إضافية تظهر أن السلوكيات الناتجة من هذا النظام تبدو بشرية. هذه النتائج تسلط الضوء على فعالية الدمج بين QD وLLM-powered agents كأداة مثمرة لدراسة استراتيجيات التعاون والتواصل في البيئات المتعددة الوكلاء.