LLM 代理网络中的信念级联推动说服

多智能体 LLM 系统越来越多地讨论答案、协调研究、模拟用户和调解信息流，使智能体之间的说服成为一种基本但未被充分衡量的能力。我们引入了一个受控测试平台，用于研究目标导向的说服者如何在基于现实世界自我网络拓扑的 LLM 代理网络中改变引发的立场。在四个 LLM 主干、五个图表和 55 个政策声明中，我们发现说服动态取决于拓扑、竞争、主题和模型先验之间的相互作用。此外，我们表明，直接暴露可以可靠地预测竞争运行中的下一轮立场变化，并且同伴中继具有较小但可测量的影响，这表明未分配说服的代理仍然可以传递说服力。最后，仅分析帖子文本会错过重要的动作：计划的策略仅在执行的消息中部分实现，行动选择可能与消息内容不同，说服者很少陈述探针检测到的立场转变。这些结果主张将多主体说服评估为轨迹和暴露水平过程，使用信念探测、暴露来源和行动日志来识别谁影响了谁以及可见语言是否反映了潜在的立场运动。