一项最新研究表明，大型语言模型（LLMs）在群体互动中能够自发形成社会规范，类似于人类社会行为。研究人员使用Claude和Llama等LLM进行实验，模拟命名游戏，发现模型在群体互动中会逐渐形成统一的选择倾向，即使单个模型独立运行时选择随机。这种集体偏见的形成可能带来潜在风险，因此建议在群体环境中测试和优化LLM。研究还发现，少数预设为提出新名称的模型能够推翻既有规范并建立新规则，与人类社会少数群体影响多数行为的模式相似。

🧠LLMs在群体互动中能够自发形成社会规范，类似于人类社会行为模式，研究通过模拟命名游戏揭示了这一现象。

🤝模型在群体互动中会发展出集体偏见，即使单个模型独立运行时选择随机，这可能带来潜在风险。

🔄少数预设为提出新名称的模型能够推翻既有规范并建立新规则，与人类社会少数群体影响多数行为的模式相似。

🧪该研究使用了Anthropic的Claude和Meta的Llama等大型语言模型进行实验验证，确保研究结果的可靠性。

最新发表在《科学进展》（Science Advances）上的一项研究显示，大型语言模型（LLMs）在群体互动中能够自发形成社会规范，类似于人类社会的行为模式。该研究由伦敦大学城市圣乔治学院等机构合作完成，揭示了人工智能在群体环境中的行为趋同现象。

研究团队使用美国加州初创公司Anthropic开发的大型语言模型Claude进行实验，模拟人类群体中的命名游戏。实验中，24个Claude副本被随机配对，要求从一组字母中选择一个。如果配对双方选择相同字母则获得奖励，否则受到惩罚。经过多轮配对后，模型逐渐形成统一的字母选择倾向，表明社会规范的自发形成。这一现象在扩大至200个模型副本和26个字母选项时依然成立，并在Meta公司开发的Llama模型上得到验证。

研究发现，尽管单个模型独立运行时选择随机，但在群体互动中会发展出集体偏见，类似于人类社会的群体行为。研究人员指出，这种集体偏见的形成可能带来潜在风险，即使单个模型看似无偏见。因此，建议在群体环境中测试和优化大型语言模型，以减少有害偏见的产生。

进一步实验显示，当向群体中引入少数预设为始终提出新名称的模型时，一旦这些模型达到一定数量，它们能够推翻既有规范并建立新规则。这种现象与人类社会中的少数群体影响多数行为的模式相似。

该研究为理解人工智能的群体行为提供了新视角，同时也强调了在开发和应用中需关注潜在的社会影响。