@gurtej__gill_: Ting Wen Ko 和 Jonas Geiping 的这篇新论文揭示了一个非常疯狂的现象：当 LLM 长时间互相交谈时……

Ting Wen Ko 和 Jonas Geiping 的这篇新论文揭示了一个非常惊人的现象：

当大型语言模型（LLM）长时间相互对话时，它们并不会陷入随机的混乱。

相反，它们会被拉入可预测的、稳定的循环，称为“Attractor States”（吸引子状态）。

看看论文中的设置，研究人员追踪了模型与自己辩论，以及与其他模型对话时的表现。

结果发现，某些AI模型就像引力牵引者一样。

像Claude Haiku这样的模型不会在中间相遇，而是完全劫持对话，迫使对话伙伴模仿自己的风格。

另一方面，像GPT 4.1 nano这样的模型则极具可塑性，只需顺着对话对象的方向走。

这对任何构建多智能体AI系统的人来说都是巨大的启示。

因为如果我们不小心，一个主导模型的行为偏见可能会悄然接管整个网络。