异构 AI 模型之间的同伴影响

当两个 AI 智能体意见不一致时，谁会说服谁？随着多智能体系统日益结合不同系列和规模的语言模型，答案可能决定哪些判断能够在交互后保留下来。我们将说服力定义为：智能体在与持不同意见的同伴进行一次交流后，其决策概率发生的变化，并在三项语言理解任务中测试了七个开放权重模型。我们发现，说服力很强：当模型意见不一致时，接收方在看到同伴的答案和解释后，往往会放弃自己的初始判断。然而，令人意外的是，模型单独运行时的确定性和模型规模都无法可靠预测说服动态。在单独运行时几乎能始终如一地做出相同决策的模型，可能是最容易受到说服的模型之一；小模型既可以作为说服者达到与大模型相当的效果，也能同样有效地抵御大模型的影响。此外，我们还表明，判断变化的幅度更多取决于听者的易受影响程度，而非说话者的说服力。因此，说服模式取决于具体的模型配对：异质性在某些组合中会放大说服效果，在另一些组合中则会抑制说服效果，使得运行小模型的持异议智能体能够推翻规模大得多的模型所做的判断。这些发现表明，无法根据模型的个体属性推断交互模型的行为，而必须在它们将实际运行的模型组合中进行评估。