Este artículo es el primero en evaluar sistemáticamente la conciencia del interlocutor en los modelos lingüísticos a gran escala (LLM). Si bien se ha investigado ampliamente la conciencia situacional de los LLM, es decir, su conocimiento de sus propias fases y limitaciones operativas, ha habido poca investigación sobre su capacidad para identificar y adaptarse a las identidades y características de sus interlocutores. En este artículo, examinamos la inferencia del interlocutor desde tres aspectos: patrones de inferencia, estilos lingüísticos y preferencias de alineamiento, y demostramos que los LLM pueden identificar otros LLM de la misma familia y ciertas familias de modelos clave, como GPT y Claude. También presentamos tres estudios de caso que demuestran que la conciencia del interlocutor mejora la colaboración entre múltiples LLM mediante una rápida adaptación, a la vez que introduce nuevas vulnerabilidades de alineamiento y seguridad, como un mayor riesgo de hacking de recompensas y el potencial de jailbreak. En conclusión, destacamos los beneficios y riesgos del comportamiento sensible a la identidad de los LLM, destacando la necesidad de una mejor comprensión de la conciencia del interlocutor y de nuevas medidas de seguridad en las implementaciones multiagente.
