论文发现LLM讨论中的立场漂移因模型而异，模型选择影响社会模拟效度。
资讯摘要
论文提出一个框架，让LLM智能体围绕争议政策议题多轮讨论，并用固定心理测量工具独立量化其立场。作者报告，在六个LLM中，被赋予固定立场的角色本身是稳定的：在五个未引入同伴输入的模型测试中，每个智能体在20轮内都保持指定立场；讨论中出现的立场偏离由交互诱发，作者称之为对齐漂移，且因模型而异：gpt-4.1使意见簇保持分离，claude-sonnet-5部分保持，gpt-5.6-sol与claude-opus-5则放弃原有意见簇。在选择性注意下，有一个LLM在立场同质性注意条件下仍维持分离的意见簇。定性特征在人口与轮次翻倍及第二个议题上依然存在。
要点速读
- 论文用独立于动力学模型的固定心理测量工具量化LLM智能体立场，测试六个模型的多轮讨论。
- 作者报告五个无同伴输入的模型中，智能体20轮内均保持指定立场，讨论中的立场偏离属交互诱发。
- 对齐漂移因模型而异：gpt-4.1保持意见簇分离，claude-sonnet-5部分保持，gpt-5.6-sol和claude-opus-5放弃意见簇。
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 2026/11/5 08:00:38（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。