研究：多智能体 LLM 讨论中隐藏信念崩塌的测量

研究测试了多智能体 LLM 讨论中同伴纠错假设的可靠性。在十智能体事实讨论中，无攻击者时仅 0.6% 的良性智能体最终接受错误答案，加入一个对抗智能体后升至 44.8%，三个则达 60.5%。与通常报告公开从众但私下不改的顺从研究相反，三个对抗智能体在场时，良性智能体在 51.6% 的暴露轮次中私下持有错误答案，但仅 19.7% 公开表示认同，且保留正确答案的智能体往往无法为其辩护。