论文称LLM群体共识由模型内部偏置主导，与网络拓扑几乎无关。
资讯摘要
论文提出，经典分布式共识理论依赖的凸性、均值守恒与权重内容无关等假设在LLM群体中不成立。作者从8个指令微调模型的token概率中确定性提取连续置信度，基于73,080次受控交互测量LLM更新算子，发现模型会更新到观测意见凸包之外，并出现负权重式“主动排斥”。将拟合算子扩展到1万智能体模拟后，代数连通度几乎无法解释结果方差，群体动态主要由模型内部更新偏置与消息框架决定；部分模型（含70亿参数级）会累积局部漂移，在客观虚假主张上形成确信共识，且与网络结构无关。
要点速读
- 作者通过8个指令微调模型、73,080次受控交互，从token级概率中确定性提取连续置信度，直接测量LLM更新算子。
- 论文报告LLM系统性违反凸性，更新落在观测意见凸包之外，并表现出负权重的主动排斥，破坏行随机建模与标准有限置信修复。
- 将经验拟合算子扩展到1万智能体模拟后，代数连通度几乎不解释最终结果方差；群体动态由模型内部更新偏置和消息框架主导。
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 2026/10/31 08:00:18（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。