*論文鏈接: https://arxiv.org/abs/2604.19301

作者: Ichiro Sakata,Keita Nishimoto,Mikako Bito,Kimitaka Asatani

文章探討了人工智能在基于多大語言模型(LLM)系統(tǒng)（LLM-based Multi-Agent Systems, LLM-MAS）中的從眾偏差（conformity bias）中的各種各樣的問題，其中是在其對群體人格智能決策機制的廣泛潛在影響。傳統(tǒng)研究常將“從眾”視為單一現(xiàn)象，而本文的關(guān)鍵創(chuàng)新在于引入社會心理學中信息性從眾（informational conformity）與規(guī)范性從眾（normative conformity）的區(qū)分，從而從機制層面深入理解LLM的從眾行為?；趦?nèi)部的向量空間的表明，盡管外在表現(xiàn)相同信息性與規(guī)范性從眾可能由不同的內(nèi)部的機制驅(qū)動，為未來理解LLM中“規(guī)范的問題”的實現(xiàn)及其對群體現(xiàn)象的影響提供了關(guān)鍵洞見。解決方案的核心在于通過微調(diào)聊天情境因素可操控LLM規(guī)范性從眾的目標對象，揭示了LLM群體決策極其特別容易受少數(shù)使得LLM大語言模型崩潰的操縱的風險；進一步的發(fā)現(xiàn)表明了，設(shè)計了兩類新的任務以分離這兩種從眾類型，并通過實驗驗證多數(shù)LLM同時表現(xiàn)出兩種從眾傾向

*