后训练 配方，不仅仅是模型家族，塑造多智能体 LLM 对话行为

多LLM系统使用多种语言模型来审议、判断彼此的输出，或作为代理进行协调。它们的价值取决于模型在给定相同输入时产生明显不同的对话行为。之前的离线研究建议为每个家庭绘制一个模型以实现行为多样性，因为 LLM 在单独评价彼此时更喜欢来自自己家庭的输出。相同系列标签是否可以预测交互式多 LLM 系统（实际部署系统使用的设置）中的行为尚未经过测试。我们使用 940,000 条链的 11 个检查点语料库和 160 万条链的同基 Llama 阶乘进行研究。在我们经过验证的标题指标“对冲”中，推理提炼的 Llama 检查点根据其回复的同基伙伴而变化 18%，比受控子集中的任何跨家庭对冲差距都要大。 Qwen、封闭 API 和运行时检查表明该模式不是孤立的，而修复和挑战分析仍然是探索性的，因为它们的表面线索检测器较弱。总体而言，结果将 后训练 配方确定为多 LLM 面板组成的一流轴，并表明模型系列本身并不能完全代表对话多样性。