On the Principles behind Opinion Dynamics in Multi-Agent Systems of Large Language Models

我们研究了一个互动的大型语言模型（LLMs）人群中意见的演变。每个LLM需要决定向一个项目分配多少资金，有三种初始选择：全额、部分或不投资。我们确定了影响意见交流的偏见，这些偏见基于LLM倾向于（i）与其他LLM的意见达成共识，（ii）在指定资金时显示谨慎，以及（iii）在其意见中考虑伦理关切。我们发现这些偏见受到影响，取决于感知到的没有改变意见的充分理由、参与讨论的意愿和分配价值的分布。此外，偏见之间的紧张关系可能导致对带有负面含义的项目的资金支持的维持。我们还发现，当LLM在交互后自由形成意见时，全额、部分和不投资意见的最终分布更加多样化，而当其意见是三个分配选项中的多项选择时，则通常会达成共识或极化。当代理人意识到过去的意见时，他们会寻求保持一致，并出现更多样化的更新规则。我们的研究使用了Llama 3 LLM进行。

研究LLMs内意见的演变，特别是在资金分配方面的决策中存在的偏见和影响因素

通过识别LLMs的偏见，探讨意见交换中存在的紧张关系，以及不同偏见之间的相互作用，进一步理解LLMs内意见的演变和决策形成机制

实验表明，LLMs的意见分布更加多样化，当LLMs自由形成意见时，而不是从三个分配选项中多选时，会达成共识或极化。当代理人意识到过去的意见时，他们会寻求与之保持一致，并出现更多样化的更新规则。使用Llama 3 LLM进行实验

最近的相关研究包括：'The Dynamics of Opinion in Hierarchical Organizations'，'Opinion dynamics and the collective classification of text'，'Opinion dynamics on interacting social networks: mean-field limit and simulation results'等