研究揭示LLM智能体链上游影响与下游再锚定机制

2026年10月14日，arXiv Artificial Intelligence 刊出由 Chun-Yu Hsu、Lun-Wei Ku、Chung-Chi Chen 发表的论文，研究 LLM 智能体链中协调操纵的传播与再锚定。论文指出，工作流的信息架构——来源访问、交接格式以及由哪个模型读取不可信内容——决定协调操纵有多少能到达终端。在 32 个 Taiwan 2025 召回案例上，十条真实 Threads 评论可使单个 LLM 智能体立场向注入方向偏移 +0.171，而镜像评论集则产生反向偏移。该研究目前为单一报道，尚无后续跟进或相互矛盾的数字与说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。