LLM智能体信念传染的连贯性驱动形成

社会传染模型通常假设个体如何采纳信念并由此推导群体行为。我们转而在语言模型智能体上实测信念采纳：量化智能体在多少同伴背书下采纳某主张的概率。我们发现该采纳核为S形——复杂传染的特征——其阈值对三个来源敏感：主张的合理性、来源的可靠性与智能体的禀性。这三个维度可被单一有效维度很好地近似，我们提出可理解为来信念与LLM智能体先验信念的连贯性。进一步地，我们在AI智能体系统的信念采纳集体动力学中观察到复杂传染的特征：聚类网络上的传播比随机网络更远。这些系统还表现出分岔的级联窗口与自维持的滞后共识，使共识的消除远难于建立。