# Studie: Netzwerkstruktur sagt Einigkeit von Sprachmodellen kaum voraus

> Eine Studie mit acht Sprachmodellen ergab, dass gemeinsame Verzerrungen und die Formulierung von Nachrichten in simulierten Gruppendiskussionen wichtiger waren als die Netzwerkverbindungen.

Oossa · 2026-10-30 · https://oossa.com/de/study-finds-llm-group-agreement-can-ignore-network-structure

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.

## Die Fakten

- Die Studie wertete 73,080 Austausche zwischen acht Modellen aus.
- In den Simulationen wurden Populationen mit 10,000 Agenten modelliert.

## 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.

## Quellen und Referenzen

1. [Network Topology Does Not Matter: The Breakdown of Classical Consensus in LLM Populations](https://arxiv.org/abs/2610.37699) – arXiv cs.MA, 2026-10-30

Zuletzt aktualisiert: 2026-10-30