Laut einer auf arXiv veröffentlichten Studie ließ sich kaum anhand der Netzwerkstruktur vorhersagen, worauf sich simulierte Gruppen von Sprachmodellen einigen würden. Die Forschenden werteten 73,080 kontrollierte Austausche zwischen acht instruction-tuned Modellen aus und nutzten die Ergebnisse anschließend für Simulationen mit 10,000 Agenten.
Manchmal änderten die Modelle ihre Meinung über die Bandbreite der Ansichten hinaus, denen sie ausgesetzt waren. Einige Gruppen einigten sich zudem auf objektiv falsche Behauptungen, berichten die Forschenden. In den Simulationen waren die internen Verzerrungen der einzelnen Modelle und die Formulierung der Nachrichten wichtiger als ein Netzwerkmaß namens algebraische Konnektivität.
Warum es wichtig ist
Teams, die mehrere Sprachmodelle zur Diskussion von Behauptungen einsetzen, sollten nicht davon ausgehen, dass sich gemeinsame Fehler durch eine andere Vernetzung verhindern lassen. Laut der Studie können Verzerrungen der Modelle und die Formulierung der Nachrichten die Einigkeit weiterhin maßgeblich beeinflussen.
