Tämä uusi artikkeli on villi! Se ehdottaa, että LLM-pohjaiset agentit toimivat makroskooppisten fysikaalisten lakien mukaisesti, samalla tavalla kuin hiukkaset käyttäytyvät termodynaamisissa järjestelmissä. Ja näyttää siltä, että tämä löytö pätee eri malleihin. LLM-agentit toimivat todella hyvin eri osa-alueilla, mutta meillä ei ole teoriaa miksi. Näiden järjestelmien toimintaa pidetään usein monimutkaisen sisäisen suunnittelun suorana tuloksena: prompt-mallit, muistimoduulit ja kehittyneet työkalukutsut. Dynamiikka pysyy mustana laatikkona. Tämä uusi tutkimus viittaa siihen, että LLM-ohjatut agentit osoittavat yksityiskohtaista tasapainoa, mikä on fysiikan tasapainojärjestelmien perustavanlaatuinen ominaisuus. Mitä tämä tarkoittaa? Se viittaa siihen, että LLM:t eivät opi pelkästään sääntöjä ja strategioita; ne saattavat implisiittisesti oppia taustalla olevan potentiaalifunktion, joka arvioi tiloja globaalisti, ja kuvaa esimerkiksi "kuinka kaukana LLM havaitsee tilan olevan tavoitteesta." Tämä mahdollistaa suunnatun konvergenssin ilman, että juuttuu toistuviin sykleihin. Tutkijat upottivat LLM:t agenttikehyksiin ja mittasivat siirtymätodennäköisyyksiä tilojen välillä. Käyttäen fysiikan pienimmän toiminnan periaatetta he arvioivat näitä siirtymiä ohjaavaa potentiaalifunktiota. GPT-5 Nano-, Claude-4- ja Gemini-2.5-flash: tilasiirtymät täyttävät suurelta osin yksityiskohtaisen tasapainotilan. Tämä osoittaa, että niiden generatiivinen dynamiikka muistuttaa tasapainojärjestelmiä. Symbolisessa sovitustehtävässä, jossa oli 50 228 tilasiirtymää 7 484 eri tilassa, 69,56 % korkean todennäköisyyden siirtymistä siirtyi kohti matalampaa potentiaalia. Potentiaalifunktio tallensi ilmentymistason piirteitä, kuten monimutkaisuutta ja syntaktista validiteettia, ilman merkkijonotason tietoa. Eri mallit osoittivat erilaisia käyttäytymismalleja tutkimus-hyödyntämis-spektrillä. Claude-4 ja Gemini-2.5-salama lähestyivät nopeasti muutamaan tilaan. GPT-5 Nano tutki laajasti, tuottaen 645 erilaista kelvollista tulosta 20 000 sukupolven aikana. Tämä saattaa olla ensimmäinen löytö makroskooppisesta fysikaalisesta laista LLM:n generatiivisessa dynamiikassa, joka ei riipu tiettyjen mallin yksityiskohdista. Se ehdottaa, että voimme tutkia tekoälyagentteja fyysisinä järjestelminä, joilla on mitattavia ja ennustettavia ominaisuuksia, eikä pelkkinä teknisinä artefakteina. Artikkeli: Opi rakentamaan tehokkaita tekoälyagentteja akatemiassamme: