پژوهش

پژوهشگران از «رانش هم‌راستایی» در گفت‌وگوی گروهی عامل‌های زبانی می‌گویند

پیش‌چاپی در arXiv نشان می‌دهد افت هم‌راستایی موضع عامل‌های LLM در بحث، به تعامل با دیگر عامل‌ها مربوط است و میان مدل‌ها تفاوت دارد.

۱ دقیقه مطالعه

پژوهشگران در پیش‌چاپی در arXiv، رفتار عامل‌های مبتنی بر مدل‌های زبانی بزرگ را در آزمایشی دربارهٔ یک موضوع سیاستی مناقشه‌برانگیز بررسی کردند. عامل‌ها در چند دور با هم گفت‌وگو کردند و موضعشان با یک ابزار روان‌سنجی ثابت و مستقل از مدلِ پویایی بحث سنجیده شد.

در پنج مدلی که بدون دریافت نظر همتایان آزمایش شدند، همهٔ عامل‌ها طی ۲۰ دور موضع تعیین‌شده برای شخصیتشان را حفظ کردند. نویسندگان بنابراین کاهش هم‌راستایی هنگام بحث را ناشی از تعامل می‌دانند و آن را «رانش هم‌راستایی» می‌نامند؛ پدیده‌ای که به مدل نیز وابسته است. چکیدهٔ در دسترس می‌گوید gpt-4.1 خوشه‌های نظری را از هم جدا نگه می‌دارد، اما متن منبع پیش از توضیح بیشتر دربارهٔ تفاوت مدل‌ها قطع می‌شود.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست