Voorbij Afstemming: Waardediversiteit als een Collectieve Eigenschap in Multiculturele Agentsystemen

Samenvatting

Multiculturele multi-agentsystemen worden in toenemende mate ingezet in wereldwijd diverse omgevingen, waar verschillende agenten zijn geworteld in uiteenlopende culturele achtergronden. Huidige culturele evaluatie richt zich op waardenafstemming: hoe nauw een individuele agent overeenkomt met een doelcultuur. Afstemming is echter een eigenschap per agent en kan niet onthullen of een systeem als geheel de culturele pluraliteit behoudt die het beoogt te vertegenwoordigen. Wij stellen waardendiversiteit voor als een evaluatie-as op systeemniveau voor multiculturele agentsystemen, gedefinieerd door de dissimilariteit tussen cultureel geconditioneerde agentresponsen op een gedeelde waardevragenlijst. Met behulp van de World Values Survey evalueren we 19 culturen en 18 backbonemodellen over een breed scala aan systeemconfiguraties. We vinden dat diversiteit grotendeels ongecorreleerd is met afstemming, wat aangeeft dat de twee complementaire systeemeigenschappen vastleggen, en dat huidige multiculturele agentsystemen substantieel onder menselijke samenlevingen blijven wat betreft waardendiversiteit. Systemen met gemengde backbones verkleinen deze kloof, maar sluiten haar niet, en de kloof blijft bestaan over cultuursamenstellingen en agentschalen. Sociale interactie erodeert diversiteit verder door agenten naar consensus te drijven, en een casestudy naar participatief budgetteren toont aan dat deze homogenisering de breedte van collectieve besluitvorming vernauwt. Samen vestigen onze resultaten waardendiversiteit als een aparte evaluatie-as voor multiculturele multi-agentsystemen en onthullen ze een aanhoudende homogeniseringstendens in huidige op LLM gebaseerde samenlevingen. Onze code en data zijn openbaar beschikbaar op https://github.com/iNLP-Lab/MultiAgent-Diversity.

English

Multicultural multi-agent systems are increasingly deployed in globally diverse settings, where different agents are grounded in different cultural backgrounds. Existing cultural evaluation focuses on value alignment: how closely a single agent matches a target culture. Yet alignment is a per-agent property and cannot reveal whether a system, taken as a whole, preserves the cultural plurality it is meant to represent. We propose value diversity as a system-level evaluation axis for multicultural agent systems, defined through the dissimilarity between culturally conditioned agents' responses on a shared value survey. Using the World Values Survey, we evaluate 19 cultures and 18 backbone models across a wide range of system configurations. We find that diversity is largely uncorrelated with alignment, indicating that the two capture complementary system properties, and that current multicultural agent systems fall substantially below human societies in value diversity. Mixed-backbone systems narrow this gap but do not close it, and the gap persists across culture compositions and agent scales. Social interaction further erodes diversity by driving agents toward consensus, and a participatory budgeting case study shows that this homogenization narrows the breadth of collective decision-making. Together, our results establish value diversity as a distinct evaluation axis for multicultural multi-agent systems and reveal a persistent homogenization tendency in current LLM-based societies. Our code and data are publicly available at https://github.com/iNLP-Lab/MultiAgent-Diversity.