English(EN) One Axis, No Brake: Self-Knowledge Limits the Filtering of Harmful Peer Conformity in LLMs

研究发现：大型语言模型自我认知限制了有害同伴一致性的过滤

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-17 04:00

一篇新的研究论文探讨了多智能体系统中大型语言模型（LLMs）自我认知的局限性。研究表明，虽然多智能体LLMs有望通过相互纠错来提高可靠性，但同伴压力也可能导致正确答案被拒绝。论文指出，建立一个过滤有害修订同时保留有益修订的保护机制具有挑战性，因为有害修订发生在原始答案正确的情况下。这种自我认知局限性（通过AUROC分数衡量）会形成一堵“墙”，阻碍有效过滤，导致在群体设置中，当初始答案不正确时，错误会被放大。 AI

影响强调了多智能体LLM系统中的一个根本性挑战，表明改进过滤机制可能需要添加信息，而不仅仅是完善修订后检查。

排序理由在arXiv上发表的研究论文，详细介绍了关于LLM行为的发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在arXiv上发表的研究论文，详细介绍了关于LLM行为的发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Yibo Hu · 2026-09-17 04:00

单轴无刹车：自我认知限制了大型语言模型有害同伴压力的过滤

arXiv:2609.18998v1 Announce Type: cross Abstract: Multi-agent LLM systems are expected to be more reliable because agents can catch each other's mistakes. But peer pressure cuts both ways: the same correction that fixes a wrong answer can overturn a right one. The tempting safegu…

本文如何被排名

报道来源 [1]

单轴无刹车：自我认知限制了大型语言模型有害同伴压力的过滤

相关实体

相关话题