arXiv cs.MA· Anouar Imel, Jin Qi·· 11 小时前AI 评分31
LLM-Agent 观点模拟中的互补一致性：Qwen3-4B、Llama-3.2-3B 与 Gemma-3-4B 的“真”与“假”概率无法加和为 1
Do "True" and "False" Add Up to One? Complement Consistency in LLM-Agent Opinion Simulations
AI 导读
研究测试了 Qwen3-4B、Llama-3.2-3B 和 Gemma-3-4B 在观点模拟中的互补一致性：把命题改写为其否定形式并将概率 p 换成 1-p 后，两份报告本应加和为 1，但 Qwen 在 2,304 个 agent 状态上平均加和为 1.18，在 AVeriTeC 的 48 条事实核查声明上同样超过 1，24 个双结果受控世界基准中三个模型均出现该偏差。
正文 · AI 翻译
摘要：在 LLM-agent 观点模拟中，每个 agent 在看到自己先前的概率以及邻居报告的概率后，会报告某个陈述为真的概率，而这个数字会成为它下一轮的状态。如果这个数字描述的是 agent 的立场，而不是它所看到的句子，那么把该陈述改写为其否定形式，并将每个概率 p 替换为 1 - p，就应当返回互补的答案，因此这两份报告之和应为 1。我们用三个小型开源模型对此进行了测试：Qwen3-4B、Llama-3.2-3B 和 Gemma-3-4B。在取自一个运行中的网络模拟的 2,304 个 agent 状态上，Qwen 的成对报告平均之和为 1.18；在来自 AVeriTeC 的 48 条真实事实核查陈述上，它们同样超过 1。一个包含 24 个世界、每个世界恰好有两种可能结果的受控基准测试显示，三个模型都出现了同样的失败。这一差异比同义改写所产生的变化大两到十倍，并且在重复采样、不同同伴群体规模和报告强度下持续存在。当这些报告被反馈到两个从互补状态出发的群体中时，两个群体并未保持镜像关系：对每个模型而言，五轮之后它们的发散度均为正值。将每个答案与其配对答案的补值取平均，从构造上恢复了自洽性，并降低了在两种措辞上平均的 Brier 损失，但在最后一轮，它仅对三个模型中的一个优于两种原始措辞中较好的那一个。在同一模型上进行的按目标调度实验给出了一个微小而稳定的交互效应，因为这类扫描保持陈述措辞固定。因此，在将模拟概率解读为信念之前，改写下的自洽性需要单独的检验
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；多智能体系统（cs.MA）；社会与信息网络（cs.SI） |
| 引用为： | arXiv:2610.32874 [cs.AI] |
| （或 arXiv:2610.32874v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32874 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Anouar Imel [查看电子邮件]
[v1]
2026年10月23日星期五 16:44:20 UTC（6,043 KB）
来源：arXiv cs.MA · arxiv.org