arXiv论文实证：网络拓扑无法预测LLM群体共识

Sahil Rajesh Dhayalkar 在 arXiv（arXiv:2610.37699）发布论文，通过从 token 级概率中确定性地提取连续信念，对八个指令微调模型共 73,080 次受控交换实测 LLM 的更新算子，实证表明经典分布式共识理论的前提在 LLM 群体中失效。 论文发现，LLM 的更新会超出已观测意见的范围（违反凸性），并表现出负权重的主动排斥，破坏了行随机建模和标准的有界置信修复方法。将实测算子扩展到 10,000 个智能体的模拟后，代数连通度几乎无法解释最终结果方差；包括 7B 参数以内若干模型在内的群体，无论网络结构如何，都会可靠地累积微小的局部漂移，对客观错误的说法达成自信的共识。

AI 根据报道生成 · 33 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。