यह शोधपत्र एक बड़े पैमाने के भाषा मॉडल (एलएलएम) के विश्वास निर्माण, गलत सूचना प्रतिरोध और सहकर्मी इनपुट एकीकरण क्षमताओं का विश्लेषण करता है, जिसका उपयोग बहु-एजेंट प्रणालियों (एमएएस) में सहयोगी बुद्धिमत्ता के एक घटक के रूप में किया जाता है। पिछले अध्ययनों के विपरीत, जो मुख्य रूप से समूह-विचार पर केंद्रित हैं, यह शोधपत्र इन पहलुओं पर गहराई से विचार करता है, जो जटिल सामाजिक गतिशीलता के तहत सामूहिक बुद्धिमत्ता प्राप्त करने के लिए महत्वपूर्ण हैं। इसे प्राप्त करने के लिए, हम KAIROS प्रस्तुत करते हैं, एक बेंचमार्क जो विभिन्न विश्वास स्तरों वाले सहकर्मी एजेंटों के साथ एक प्रश्नोत्तरी प्रतियोगिता का अनुकरण करता है, जिससे विशेषज्ञ-नौसिखिया भूमिकाओं, शोरगुल वाली भीड़ और प्रतिकूल साथियों जैसी विभिन्न स्थितियों को ठीक करने की अनुमति मिलती है। एलएलएम पिछले इंटरैक्शन और वर्तमान सहकर्मी प्रतिक्रियाओं, दोनों को एकत्रित करके निर्णय लेने पर विश्वास, सहकर्मी व्यवहार और आत्मविश्वास के प्रभाव की व्यवस्थित रूप से जाँच करता है। हमारे परिणाम दर्शाते हैं कि जीआरपीओ, जो बहु-एजेंट संदर्भ, परिणाम-आधारित पुरस्कारों और अप्रतिबंधित अनुमान का संयोजन करता है, सर्वोत्तम प्रदर्शन प्राप्त करता है, लेकिन आधारभूत मॉडल की तुलना में सामाजिक प्रभाव के प्रति कम मज़बूत है। कोड और डेटासेट सार्वजनिक रूप से उपलब्ध हैं।
