摘要
政治联盟的形成是一个复杂的谈判过程，受到具体政策目标和深层意识形态信念的驱动。尽管大型语言模型（LLMs）为计算政治科学开辟了新途径，但通过人类反馈强化学习（RLHF）植入的中立性和有用性偏见，阻碍了它们维持坚定的党派行为。
我们提出了一个多代理框架，通过结合监督微调（SFT）、直接偏好优化（DPO）和增强检索生成（RAG）来调和事实基础与意识形态一致性：DPO 赋予了激进的党派特征，而每个党派的 RAG 管道确保各代理遵循其官方纲领。我们在 2019 年弗拉芒选举中实现该框架，将党派代理部署在由 formateur 仲裁的中心-辐射谈判中。
为了使新兴的谈判过程可解释，我们引入了多层信息传承拓扑（MILT），追踪最终协议中的每一条条款回溯其纲领来源，并将其分类为五种来源状态；同时引入了联合影响评分（CIS），聚合这些可追溯的贡献以识别哪个党派塑造了协议，并进行现实基础传递，以基准每个模拟条款与历史上通过的联盟协议。
在三次独立模拟中，该框架产生了一个稳定的赢家和排名（N-VA 排在 CD&V 和 Open Vld 之前），而与纲领锚定的传承可靠地预测了现实世界的实现，而虚构内容则不然。结果是一个透明、可扩展的测试平台，用于探索党派兼容性和 formateur 介导的妥协。
博主点评： 本文提出的多代理框架通过结合多种优化方法，为政治联盟的形成提供了新的视角，特别是在理解党派行为及其影响方面。然而，如何进一步降低模型的偏见和提升其适用性仍是未来的研究方向。