聚合跨对话内部表征后，LLM 共识呈现马尔可夫结构。
资讯摘要
论文研究两个 LLM 就主观话题进行多轮对话时如何趋于一致。作者用线性分类器在单次对话的激活上识别出内部“共识”表征，发现它在不同轮次和对话间差异很大，且与单次对话的外部共识并不可靠对应。将共识表征跨对话聚合后，外部共识可用马尔可夫过程较好预测，内部聚合共识则通过幂律映射与之耦合；模型改变立场后，外部先表达共识，内部表征随后才反映。
要点速读
- 论文用线性分类器在单次对话激活中识别内部共识表征，发现其随轮次和对话变化大，单次对话层面不可靠对应外部共识。
- 跨对话聚合后，外部共识可由马尔可夫过程预测，内部聚合共识通过幂律映射与之耦合。
- 模型改变立场后，外部先表达共识，内部表征随后才反映；代码已公开。
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 2026/10/23 08:00:11（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。