多智能体网络中的偏见放大：有偏见的智能体如何塑造观点和言论

大型语言模型（LLM）越来越多地部署在涉及代理之间交互的应用程序中，它们的输出在集体推理和决策过程中发挥着作用。尽管对 LLM 在此类多智能体系统中的功能进行了大量研究，但此类系统中的偏差传播过程仍然是一个挑战。这项工作研究了在大语言模型环境中，偏见的观点如何以文本交互的形式传播，其中少数智能体保持持续的极端观点，而其余智能体通过结构化文本交互迭代地更新他们的信念。研究结果表明，即使在这样的系统中存在一小部分有偏见的代理人，也会导致无偏见代理人的意见发生重大转变。这表明，对于相同百分比的有偏见的代理人，与经典的 Friedkin-Johnsen (FJ) 模型相比，Llama~3.2 模型的转变发生得更快。进一步的语义分析表明，文本解释中的修辞一致性随着偏见的暴露而系统性地增加，而且重要的是，与数值收敛部分脱钩，即使在数值观点变化保持适度的配置中，中间代理也会采用有偏见的代理所使用的词汇。该研究有助于解释偏见和语言如何在多主体语言模型生态系统中共同发展。