大規模言語モデル（LLM）を搭載した複数のエージェントが相互作用する際に、どのようにして共通の理解や慣行が形成されるのかを探求する研究が注目を集めています。この研究では、LLMエージェント同士がどのように合意に達し、時には意見が分裂し、あるいは収束するのかというプロセスを、トポロジーと記憶という概念を用いて分析しています。 複数のエージェントが相互作用する環境では、各エージェントの意思決定が相互に影響を及ぼすネットワーク構造が形成されます。この研究は、そうしたエージェント間の相互作用パターンがどのような幾何学的構造（トポロジー）を持つのか、そしてエージェントが過去の相互作用をどの程度記憶し活用するのかを調査しています。特に、エージェントが段階的に共通の慣習や規範を形成していくプロセスにおいて、合意の達成、グループ間の意見分裂、最終的な収束といった複数のパターンが観察される可能性があります。 このような研究は、マルチエージェントシステムの設計や、人工知能システムが人間社会のような複雑な協調行動をどの程度模倣できるのかを理解する上で重要な意味を持ちます。LLMエージェントの行動メカニズムを深く理解することで、より効果的で安全な協調型AIシステムの開発につながると期待されています。