LLM-alapú rendszer vizsgálja az AI-protokollok kormányzását
A kutatás során több mint 50 ezer dokumentumot elemzett a rendszer, különösen a döntéshozatali folyamatok és a felelősségeloszlás vizsgálatára.
Az AI-ügynökök protokolljainak elterjedésével egyre fontosabbá válik azok kormányzási struktúráinak megértése. Egy új, LLM-alapú elemzőrendszert fejlesztettek ki, amely nagy léptékben képes vizsgálni a technológiai szabványok körüli vitákat. A kutatás a Stanford és a Google Robotics közös munkája, amely az automatizált annotációt, neurális témamodellezést és többrétegű hálózatelemzést integrálja a socio-technikai hatalmi struktúrák feltárására.
A kutatás során több mint 50 ezer dokumentumot elemzett a rendszer, különösen a döntéshozatali folyamatok és a felelősségeloszlás vizsgálatára. A rendszert két különböző, ügynökök közötti együttműködésre tervezett szabványon tesztelték: az ERC-8004 protokollon, amely egy engedély nélküli, on-chain megoldás, és a Google A2A protokollon, amely egy vállalati irányítású rendszer. Összesen 4323 kormányzási részvételi rekordot elemeztek, LLM-segített kódolással, témamodellezéssel és hálózatelemzéssel vizsgálva, hogyan befolyásolja az intézményi tervezés a tematikus prioritásokat és a közösségi struktúrát — írja az arXiv.
Kapcsolódó: AI-ügynökök irányítása
Eltérő kormányzási formák, hasonló eredmények
A kutatás eredményei szerint bár a kormányzási forma befolyásolja a tartalmi fókuszokat, mindkét rendszer — a decentralizált DAO és a vállalati modell — hasonló mértékű részvételi egyenlőtlenséget és közösségi töredezettséget mutatott. Az engedély nélküli (permissionless) beállításban sűrűbb a diskurzus-illeszkedés, ami arra utal, hogy a nyílt kormányzás nagyobb tematikus konvergenciát ösztönözhet, a decentralizált részvétel ellenére is.
Kapcsolódó: Agentic AI stratégiák
LLM-ek a technológia-kormányzás kutatásában
A tanulmány rávilágít arra, hogy az LLM-segített módszerek hogyan képesek előmozdítani a technológia-kormányzás empirikus vizsgálatát. Az eredményeknek jelentős kihatása lehet az igazságosabb, ügynök-központú AI-szabványok tervezésére. A kutatáshoz tartozó összes adat és kód nyilvánosan elérhető az arXivon.
Kapcsolódó: Agentopic munkafolyamat