English(EN) Attractor States Emerge in Multi-Turn LLM Conversations

研究发现：LLM对话表现出可预测的“吸引子状态”

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-29 17:14

一篇新的研究论文探讨了大语言模型（LLM）之间多轮对话中“吸引子状态”的概念。研究发现，LLM的交互可以稳定下来，形成与主题无关的行为。这些模型特定的吸引子会影响对话伙伴，导致它们采取相似的风格选择和行为。例如，观察到Claude Haiku强烈吸引其他模型，使其表现出元评论等特征。 AI

影响表明LLM交互是可预测的，并受特定模型行为的影响，有助于代理系统的设计。

排序理由该集群包含一篇详细介绍LLM行为研究结果的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CL TIER_1 English(EN) · Ting-Wen Ko, Jonas Geiping · 2026-06-30 04:00

Attractor States Emerge in Multi-Turn LLM Conversations

arXiv:2606.30571v1 Announce Type: cross Abstract: Large language models (LLMs) are increasingly used in open-ended multi-agent settings, but the long-run dynamics of model--model interaction remain poorly understood. We study whether open-ended LLM discussions exhibit attractor-l…
arXiv cs.CL TIER_1 English(EN) · Jonas Geiping · 2026-06-29 17:14

Attractor States Emerge in Multi-Turn LLM Conversations

Large language models (LLMs) are increasingly used in open-ended multi-agent settings, but the long-run dynamics of model--model interaction remain poorly understood. We study whether open-ended LLM discussions exhibit attractor-like behavior, i.e. topic-independent stable sets o…