前沿大语言模型中的 Asch 从众效应：一种定量研究方法

A Quantitative Approach to Asch Conformity in Frontier Large Language Models

AI 导读

研究提出对前沿 LLM 的 Asch 从众效应做定量分析：不再对一组问题各采样一次，而是对同一问题重复采样，利用模型输出的概率性得到答案分布，再比较模型在被告知“人造共识”前后的分布变化。实验确认前沿 LLM 确实会从众，并通过分布对分布的对比，给出导致从众的条件及其程度的额外定量数据。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：阿希从众实验近来作为衡量大语言模型（LLM）从众性的方法而备受关注。以往研究侧重于证明 LLM 存在从众行为，而我们的工作在这一方法上进一步增加了定量层面。我们并未就一组问题对前沿 LLM 进行采样，而是对单个问题反复采样，利用 LLM 的概率特性生成答案分布。由此，我们可以比较模型在接收到人为制造的共识之前与之后的答案分布。我们的实验证实前沿 LLM 确实会从众，印证了既有文献，并且通过分布对分布的对比，为导致从众的条件及其发生程度提供了额外的定量数据。

学科：	计算与语言（cs.CL）；人工智能（cs.AI）
引用为：	arXiv:2610.36668 [cs.CL]
	（或本版本的 arXiv:2610.36668v1 [cs.CL]）
	https://doi.org/10.48550/arXiv.2610.36668 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

来自：Stylianos Loukas Vasileiou [查看邮箱]
[v1] 2026年10月27日星期二 05:40:08 UTC（133 KB）

来源：arXiv cs.CL · arxiv.org