论文发现LLM间说服效果取决于参与模型组合。
资讯摘要
论文提出一个受控的LLM-LLM辩论框架，让两个语言模型角色围绕气候变化归因这一争议话题反复讨论：一方被赋予立场，部分条件下还被明确要求说服对方，另一方不设立场。作者在涉及GPT-6 Luna与Gemini 2.5 Flash Lite的四种有序模型组合中，同时追踪角色自报立场与对话内逐轮行为。结果显示，同模型交互平均缩小观点差距，跨模型交互则扩大差距；自报立场与对话行为反映不同侧面，笼统的“说服”指令并不能可靠提升影响力。
要点速读
- 论文构建受控LLM-LLM辩论框架，围绕气候变化归因话题，一方有指定立场、部分条件含说服指令，另一方无立场。
- 实验覆盖GPT-6 Luna与Gemini 2.5 Flash Lite的四种有序组合，同时测量自报立场与对话内行为。
- 作者报告同模型交互平均缩小观点差距、跨模型交互扩大差距，且说服指令未可靠增强影响力。
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。