LLM互辩实测：同模型观点差距缩小，跨模型反而扩大！
To Manipulate or Not: Opinion Dynamics in LLM Interactions
📖 AI 总结
该研究构建了一个受控的大语言模型间辩论框架，让两个模型角色围绕气候变化归因这一争议话题反复对话，其中一个角色被赋予既定立场并在部分条件下被明确要求说服对方，另一个则不设立场，实验覆盖GPT-6 Luna与Gemini 2.5 Flash Lite的四种模型组合，同时追踪角色明确报告的观点立场与对话中的逐轮行为表现。关键发现是：观点动态因模型组合而异，同模型互动平均缩小观点差距（但仅对其中一个模型明显），跨模型互动则扩大差距；明确报告与对话内行为反映观点动态的不同侧面，笼统的“说服”指令并不能可靠提升影响力。这表明对话影响力不仅取决于角色设定与初始立场，也取决于参与模型本身，对如何在长程LLM互动中测量观点变化具有方法学意义。
🔑 关键词速览
| LLM-LLM debate framework | 两个语言模型角色进行受控辩论的实验框架，用于研究观点动态。 |
| Opinion dynamics | 观点随时间变化的动态过程，包括观点差距的扩大或缩小。 |
| Persuasion instruction | 明确指示模型尝试说服对方的指令，用于测试其对影响力的效果。 |
| Cross-model interactions | 不同语言模型之间的交互，与同模型交互相对，可能产生不同的观点动态。 |
| Explicitly reported position | 模型明确报告的观点立场，与对话中的行为表现相区分。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅