论文发现多模型混合时，参数更多的模型主导最终共识。
资讯摘要
论文设计了一个无需预训练知识、也无正确答案的简单任务，考察多个模型混合在同一系统中时，哪个模型对最终共识影响最大。作者在七个模型家族上实验发现，其他模型的意见会被吸收进参数更多、更强的模型的意见中。作者将智能体解释为在单纯形上运动的加权粒子，大模型权重更大、能量景观中的势阱更深，其强上下文学习能力放大了上下文中的多数意见，从而成为影响者。
要点速读
- 论文设计简单任务，考察多模型混合系统中哪个模型对最终共识影响最大。
- 在七个模型家族上实验发现，其他模型的意见被吸收进参数更多、更强的模型的意见中。
- 作者用加权粒子与能量景观解释：大模型权重更大、上下文学习更强，因而成为影响者。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。