arXiv cs.MA· Mohammad Siahkamari, Phuoc Dat Nguyen, Stephen MacNeil·· 12 小时前AI 评分31
操纵还是不操纵：LLM 交互中的观点动力学
To Manipulate or Not: Opinion Dynamics in LLM Interactions
AI 导读
研究用受控 LLM-LLM 辩论框架，让两个模型角色围绕气候变化归因反复讨论，其中一个被赋予立场、部分条件下被明确要求说服对方。在涉及 GPT-6 Luna 与 Gemini 2.5 Flash Lite 的四组有序模型组合中，同模型交互平均缩小观点差距（仅对其中一个模型明显），跨模型交互则扩大差距；明确要求说服并不能可靠提升影响力。
正文 · AI 翻译
摘要：大型语言模型越来越多地参与长时间的对话，在这些对话中，它们既能塑造另一方的观点，也会被另一方的观点所塑造，然而大多数说服研究只衡量了这一交流中的一方。我们引入了一个受控的 LLM-LLM 辩论框架，其中两个语言模型角色反复讨论一个有争议的话题（气候变化归因）：其中一个被赋予指定立场，并在某些条件下被明确指示去说服对方，而另一个则没有获得指定立场。在涉及 GPT-6 Luna 和 Gemini 2.5 Flash Lite 的四种有序模型组合中，我们同时追踪每个角色明确报告的位置，以及对其在对话中逐轮行为的单独测量。不同模型组合之间的观点动态差异显著：同模型交互平均而言缩小了观点差距，且仅对两个模型中的一个表现明显，而跨模型交互则扩大了差距。明确报告与对话中的行为捕捉了观点动态的不同方面，而笼统地指示去说服并不能可靠地增加影响力。这些发现表明，对话中的影响不仅取决于被赋予的角色和初始位置，还取决于参与的模型，这对如何在长时间的 LLM 交互中测量观点变化具有启示意义。
| 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:2610.28875 [cs.AI] |
| （或 arXiv:2610.28875v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28875 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mohammad Siahkamari [查看电子邮件]
[v1]
2026年10月20日星期二 19:48:20 UTC（827 KB）
来源：arXiv cs.MA · arxiv.org