异构AI模型间的同伴影响

两个AI智能体意见不合时，谁说服谁？随着多智能体系统日益组合不同族与规模的语言模型，答案决定哪些判断能在交互后幸存。我们把说服度量为一次与异见同伴交换后智能体决策的概率偏移，在三个语言理解任务上测试七个开放权重模型。我们发现说服很强：当模型分歧时，接收方在看到同伴答案与解释后常放弃初始判断。但出人意料：单独的确定性或模型规模都不能可靠预测说服动力学——单独产生几乎完全一致决策的模型可能最易被说服，小模型可作为说服者匹敌大模型并同样有效地抵抗其影响。此外，偏移大小更多取决于听者的易感性而非说者的说服力。说服模式因此特定于每个模型配对：异质性在某些组合中放大说服、在另一些中抑制，使一个运行小模型的异见智能体能推翻大得多的模型的判断。发现表明：交互模型的行为不能从其个体属性推断，必须在它们将运作的组合中评估。