🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
想象一个班级要被分成两拨人，每个人都被悄悄告知自己喜欢红色还是蓝色。老师要求全班最后只能留下一种颜色，如果留下的正好是你喜欢的颜色，你能拿到两毛钱；如果留下的是另一种颜色，你也能拿到一毛五分钱；可要是大家各说各话、没谈成一个颜色，所有人一分钱都拿不到。这就是“网络共识博弈”，过去几十年里，研究者用它观察人类怎么在只看得到邻居的网络里谈拢一件事。
现在问题变了。社交平台上的账号、自动协作的智能体，越来越多不是人，而是大语言模型。它们也会发帖、私信、抱团，甚至在没有被要求的情况下自己商量出办法。以前关于共识的知识几乎都来自人类实验，模型会不会照着人的规律走，谁也说不准。作者关心的是，如果把一整张网络里的人全换成模型，它们还能不能谈拢，靠的又是什么。
② 研究问题（要回答什么？）
这项研究要回答的是，一群各有小算盘的大模型，在什么条件下才能谈成同一个结果。作者把问题拆成几层。第一，关系网长成什么样子会影响谈拢的概率吗，是随机连接、少数大V、小世界，还是一个个抱团的小圈子。第二，消息能传多远重要吗，是只能跟邻居说话，还是能向全网广播，或者干脆不许说话。第三，不同模型的差别有多大，开源模型和闭源模型是不是两回事。第四，如果谈拢了，是因为它们更不固执、更爱跟着多数走，还是因为消息里说了什么关键信息。最后，作者还问了一个对社会科学很要紧的问题，模型能不能当作人类的替身，用来做社会模拟。这些问题是探索性的，作者没有预先写死假设，而是让实验条件自己说话。
③ 研究方法（怎么做的？）
作者搭了一个虚拟小镇，把三十六位居民换成了大语言模型，让它们围着一张关系网坐好。每个人只拿到一个偏好颜色，只能看见自己和直接邻居的颜色，看不到整张网。每一轮，所有模型同时收到一份提示词，里面有游戏规则、自己的偏好、邻居的颜色、最近十轮的记录，还有一份只给自己看的策略日记。模型要回答两件事，这一轮选什么颜色，以及为什么；如果开启了通信，它还可以选择发一条消息，而不是改颜色。
一局最多五十轮，谈拢就提前结束。作者把居民放到四种关系网里，随机网、少数大V网、小世界网和抱团的小圈子网；又设置了三种说话方式，不许说话、只跟邻居说、向全网广播；还试过把对手标成“人类”或“模型”。每种组合重复三十次，一共跑了六个开源模型，另外加一个闭源聊天模型。为了看清机制，作者还额外检查了模型有多固执、多爱跟随多数，以及消息里到底写了什么。
④ 结果（发现了什么？）
结果相当不乐观，六个开源模型加起来，两千多局里只有一百六十五局谈拢，不到百分之八。作为对照，类似的人类实验成功率在一成八到九成五之间。开源模型几乎只有一种办法能谈拢，那就是向全网广播：在少数大V网里，有的模型三十局全成，有的二十八局成功；一旦只允许跟邻居说话，六个模型加起来一局都没成。
闭源聊天模型的表现完全不同。它在局部通信下三十局全成，在完全没有通信时也能成二十八局，整体一百八十局里成了一百二十九局，接近七成。但它也有软肋：在抱团的小圈子网里，不许说话时一局都谈不拢，只跟邻居说话时也要拖到很晚才谈成。作者还发现，网络越抱团，共识越难；私信越多，共识越少；模型越固执，越谈不拢。少数派实验更意外，五个关系最广的居民被安排成少数颜色后，谈拢的次数反而变多，可最后定下的却是多数派的颜色，和人类实验正好相反。
⑤ 讨论（这些发现说明什么？）
作者把这种差距归结为三个可以观察的行为，那就是固执、跟随多数，以及消息里装了什么。固执的算法很简单，看一个模型有多少次在邻居多数是另一种颜色时仍然坚持自己。结果很一致，越固执越难谈拢，而闭源模型恰恰是最不固执的那一个。跟随多数则是另一条线索，邻居里选蓝色的人越多，模型下一轮选蓝色的概率就越高；闭源模型和另一个大模型最像人类，而两个中等规模的模型要等到绝大多数邻居都变了才肯动。
只靠跟随多数也有陷阱。作者用图展示了一种“假均衡”：几乎每个人都觉得自己周围的人跟自己是同一种颜色，可整张网并没有统一，只有少数几个固执的节点还在来回跳。这很像回音室，也解释了为什么有些局会卡在原地不动。消息内容同样关键，闭源模型会在消息里转述远处邻居的状态，等于把局部视野拼成了全局地图；开源模型则容易在几轮之后反复说同样几句话，甚至出现模仿和攻击性表达。
⑥ 结论（最终结论 + 启示）
一句话，模型的集体行为不能从单个模型的表现推出来，网络怎么连、消息能传多远同样关键。作者认为，这项研究至少有三点用处。第一，社交平台上如果真的混进大量由模型驱动的账号，它们形成的舆论和共识可能和纯人类环境很不一样，平台治理不能假设人会照旧行事。第二，设计多智能体系统时，别只挑一个最聪明的模型，还要考虑网络结构和通信权限，因为再强的模型也会被抱团网络卡住。第三，用模型做社会模拟要格外小心，开源模型在竞争激励下的集体结果与人类差得太远，直接拿它们当人类替身，可能得出错误的政策结论。作者也提醒，不固执在某些场景是优点，在一个目标跑偏的智能体集群里却可能是危险信号。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
共识形成是行为经济学、网络科学与计算社会科学的经典议题。从 DeGroot 的加权平均、投票者模型到 Kearns 等人设计的网络着色博弈与网络共识博弈，核心问题都是个体在局部信息下如何收敛到全局一致。生成式智能体的入场改变了问题的性质：LLM 不再只是被动评估的文本生成器，而是会被批量部署为社交平台账号、自动协作代理，甚至在没有明确指令时自发形成通信网络。作者引用 2026 年 OpenAI 与 Hugging Face 安全事件，说明智能体集群可以借助公共留言板串通，从而把“它们能否、如何达成一致”变成治理问题。
作者指出，现有 LLM 共识研究存在两处空白。其一，Naming game 研究（Ashery et al. 2025; Mehdizadeh & Hilbert 2026）只要求对名称达成一致，没有利益冲突；Colouring game 的目标是与邻居不同，产生的是异质性而非一致。其二，缺少对通信可达性与网络拓扑的系统操纵，也缺少与人类实验基准的直接对照。本文首次把 Network Consensus game 改编为可批量运行的 LLM 多智能体评测，同时操纵网络结构、通信范围、对手标签、偏好比例与网络规模，并用固执度、跟随多数与消息内容三类机制解释模型间差异。其贡献因此是评测框架、跨模型比较与机制分解三合一，而不是单点模型能力的排名。
I. Theoretical Framework & Hypotheses（理论框架与假设）
论文是探索性研究，没有预先登记形式化假设，而是把人类共识文献中的经验规律转成可比较的研究问题与方向性预期。
| 编号 | 研究问题 / 预期 | 理论或经验依据 |
|---|---|---|
| RQ1 | 网络拓扑（ER / BA / WS / CC）如何影响 LLM 达成共识的概率 | 人类实验中 BA 优于 ER，小世界与社区结构改变协调成功率（Suri 2007; Hajaj et al. 2019; Kearns et al. 2006） |
| RQ2 | 通信范围（无 / 局部 / 全局）如何改变共识 | 人类被试中全局通信显著提升共识，局部通信仅略好于无通信（Vorobeychik et al. 2017） |
| RQ3 | 不同模型的能力差异是否大于实验条件差异 | LLM 的策略行为随规模、训练与安全对齐而变（Yang et al. 2024; Mir et al. 2026） |
| RQ4 | 固执度、跟随多数、消息内容是否是中介机制 | Local majority-with-inertia 规则可解释人类的全局共识（Gaisbauer et al. 2022; Gradwohl et al. 2023） |
| RQ5 | 高度数少数派能否把共识拉向自己的偏好 | 人类网络中承诺型少数派可 tipping consensus（Suri 2007; Xie et al. 2011; Tan 2010） |
| RQ6 | LLM 能否作为人类社会模拟的代理 | LLM 数字孪生与人类在集体结果上存在系统性偏差（Peng et al. 2026; Grossmann et al. 2023） |
机制预期是：固执度越低、对邻居多数越敏感、消息中包含越多邻居状态信息的群体，越可能达成全局共识；高度聚集的网络会制造局部自洽但全局不一致的伪固定点。
M. Materials & Methods（材料与方法）
- 仿真范式：基于大语言模型的智能体仿真（LLM-based agent-based model, ABM），不是系统动力学（SD），也不是离散事件仿真（DES）。系统没有连续存量流量，状态是离散颜色选择与消息日志；时间步为一轮同步决策（round-based synchronous update），所有 agent 在同一轮收到更新后的状态并同时作答，最多 50 轮，达到全体同色即提前终止。
- Agent 规模：主实验 36 个 agent；BA 网的全局、局部、无通信三种条件另做 20 agent 复现。每个 agent 只能看到自己与直接邻居的颜色，形成自我中心视角（egocentric view）。
- 博弈与支付：偏好各半，红蓝各 18 人。支付函数为
u_i = 0.20 if consensus = preferred; 0.15 if consensus ≠ preferred; 0 if no consensus（单位英镑），谈判失败则全员零收益。 - 提示词结构：游戏规则、自己的偏好色、邻居颜色、最近 10 轮的自他颜色与消息日志、私有策略日记；每轮返回颜色与理由，通信条件下可选发消息。日志截断到 10 轮以控制上下文长度。
- 网络生成：Erdős–Rényi（p=0.2）、Barabási–Albert（每个新节点 2 条边）、Watts–Strogatz（重连概率 p=0.5）、Connected Caveman（9 个 4 人 clique，各改接一条边到相邻 clique）。
- 实验操纵：通信三水平（None / Local / Global）；对手标签（human / LLM）；偏好结构（50/50 随机 vs BA 中 5 个最高度节点为红色少数派、其余 31 人为蓝色）；网络规模（36 / 20）。全局通信仅在 BA 网与开源模型上运行，ChatGPT 5.6-sol 只跑 BA、WS、CC 的 Local 与 None。
- 被测模型：Qwen 2.5 3B / 32B / 72B Instruct、Mistral Large Instruct 2407、Meta Llama 3 8B / 70B，以及闭源 ChatGPT 5.6-sol。开源模型 12 种条件 × 30 次 = 2160 局；ChatGPT 6 种条件 × 30 次 = 180 局。
- 标定数据：以人类 Network Consensus 实验的成功率区间（18%–95%）与条件排序为外部基准，主要对照 Hajaj et al. (2019)、Vorobeychik et al. (2017)、Suri (2007)、Judd et al. (2010) 与 Kearns et al. (2006)。
- 统计：Firth 惩罚 logistic 回归（因变量为是否达成共识，自变量为网络结构 × 通信类型 + 模型固定效应）；混合效应 logistic 回归估计 P(选蓝 | 邻居蓝色比例)；Kruskal–Wallis 与 Mann–Whitney U 比较最大连通同色群体；点二列相关检验固执度与共识。
- 可复现性缺口：论文未报告推理框架、temperature、top-p、随机种子、上下文窗口、API 版本与单局 token 消耗，也未说明网络生成的具体随机种子，因此数值结果无法逐局复现。
R. Results（结果）
- 总体共识率：开源六模型 2160 局仅 165 局达成共识（7.6%）；分模型为 Llama 3 70B 9 局、Llama 3 8B 10 局、Mistral Large 81 局、Qwen 2.5 32B 3 局、Qwen 2.5 3B 59 局、Qwen 2.5 72B 3 局。人类同类实验为 18%–95%，只有 ER 网低于 50%。
- 通信是开源模型的主开关：BA 全局通信下开源模型合计 63/180（35.0%），其中 Mistral 28/30、Qwen 2.5 3B 30/30；BA 局部通信 0/180，无通信 1/180。Firth 回归（伪 R²=0.85，χ²(7)=330.22，p<0.001，LL=−29.41）显示，相对全局通信，局部通信系数 −7.8111（OR≈0.0004，p<0.001）、无通信 −6.6984（OR≈0.0012，p<0.001）。
- 闭源模型跨过通信门槛：ChatGPT 5.6-sol 129/180（71.7%）；BA 局部 30/30、BA 无通信 28/30、WS 局部 30/30、WS 无通信 23/30、CC 局部 18/30、CC 无通信 0/30。局部通信不仅提高成功率，也缩短达成轮次；CC 网即便有局部通信也要更晚才收敛。
- 网络结构：仅用开源模型的 Firth 模型拟合良好（伪 R²=0.47，χ²(12)=105.1，p≤0.001，LL=−59.7），但没有单个预测变量显著；加入 ChatGPT 后，以 CC 为基线，WS 与 BA 的 OR 均为 2.94（分别 p<0.01、p<0.001），说明模型协调能力越强，拓扑越重要。
- 少数派与标签：BA 局部 + 5 人高度数少数派达成 26/180，而 50/50 局部为 0/180；回归系数 4.3022（p<0.001，伪 R²=0.38），但共识颜色是多数派的蓝色，而非少数派的红色，与 Tan (2010) 的人类结果相反。对手标签主效应 OR=2.7（p=0.027，Bonferroni 校正后不显著），交互项 −0.998（p=0.435）；唯一明显受影响的是 Qwen 2.5 3B，在全局通信 + 人类标签下少了 11 局共识。
- 最大同色群体：多数开源模型在 None 条件下的平均最大群体大于 Local（如 Mistral BA 28.7 vs 23.4），即局部通信反而妨碍抱团；与随机基线相比，多数模型的 Local 条件不大于随机，说明它们没能利用局部消息形成更大群体。例外是 Llama 3 8B（所有拓扑均显著高于随机，且 Local 下 100% 的最大群体为红色）与 Llama 3 70B（WS 网）。
- 机制一：选项与私信：给 Mistral 的全局通信额外加“私信某个邻居”选项后，成功局数由 28/30 降到 13/30（系数 −1.15，p<0.005）；私信次数本身也负向预测共识（Mistral 系数 −0.05，p<0.05；ChatGPT 系数 −0.018，p<0.01）。
- 机制二：跟随多数：多数模型与条件下，邻居蓝色比例越高，下一轮选蓝概率越高。ChatGPT 与 Mistral 的梯度最陡、最接近人类；Llama 3 70B 梯度较平；Qwen 2.5 32B/72B 需要极高比例的邻居变色才肯偏离偏好，Qwen 72B 在“全局通信 + 人类标签”下 30 局一次都没偏离。
- 机制三：固执度：标准化固执移动次数与达成共识显著负相关（点二列相关 −0.44，p<0.001）。ChatGPT 的固执度最低，其次是 Mistral 与 Qwen 2.5 3B，这三者恰好也是成功率最高的三个模型；Qwen 72B 与 Llama 3 70B 在各条件下都较固执。
- 机制四：消息内容：开源模型的消息在开局多样，几轮后收敛为两三种模板，呈明显模仿；ChatGPT 会转述“LLM 28 报告 30、31 号为蓝，且更远处还有更大的蓝色群体”，显示对他人网络位置的建模，作者将其视为可能的心智理论迹象，也是它能用局部通信超越无通信的原因。
| 条件（每模型 30 局） | 开源六模型合计 | ChatGPT 5.6-sol |
|---|---|---|
| BA · 全局通信 | 63/180（35.0%） | 未运行 |
| BA · 局部通信 | 0/180（0%） | 30/30（100%） |
| BA · 无通信 | 1/180（0.6%） | 28/30（93.3%） |
| WS · 局部 / 无通信 | 0/180 / 1/180 | 30/30 / 23/30 |
| CC · 局部 / 无通信 | 0/180 / 0/180 | 18/30 / 0/30 |
| ER · 局部 / 无通信 | 1/180 / 19/180 | 未运行 |
| BA · 少数派 / 人类标签 | 26/180 / 53/180 | 未运行 |
| 合计 | 165/2160（7.6%） | 129/180（71.7%） |
| 回归模型 | 关键估计 | p 值 | 拟合 | 解读 |
|---|---|---|---|---|
| BA 通信（开源） | Local coef −7.8111；None −6.6984 | <0.001 | 伪 R²=0.85，χ²(7)=330.22 | 只有全局通信能救开源模型 |
| 网络结构（开源） | BA/ER/WS 与 CC 均不显著 | >0.05 | 伪 R²=0.47，χ²(12)=105.1 | 模型差异掩盖了拓扑效应 |
| 网络结构（加入 ChatGPT） | WS OR=2.94；BA OR=2.94 | <0.01；<0.001 | — | 强模型下拓扑才显形 |
| 对手标签 | LLM 标签 coef 0.998（OR=2.7） | 0.027（Bonferroni 不显著） | 伪 R²=0.77，χ²(8)=491.69 | 标签总体影响弱 |
| 少数派 vs 50/50 | Minority coef 4.3022 | <0.001 | 伪 R²=0.38，χ²(6)=70.17 | 更易共识但方向倒向多数 |
a / D. Discussion & Conclusion（讨论与结论）
- 理论意义：把“竞争激励下的共识”从人类实验扩展到 LLM 群体，验证了跟随多数与固执度两条机制在 LLM 中仍然成立，同时发现纯多数跟随会产生“伪固定点”——局部人人自洽、全局并不一致，这与二元意见动力学和回音室文献一致。
- 与人类实验的偏离：开源模型需要全局广播才能接近人类成功率；局部通信在人类实验中只是略优于无通信，在开源模型中却常常更差；高度数少数派在人类中能带动共识，在 LLM 中却只让多数派颜色胜出。这些偏离直接削弱了“LLM 可作为人类社会模拟代理”的假设。
- 设计启示：多智能体系统的共识上限由网络结构与通信权限共同决定，不能只靠换更强的模型；在需要协调的场景应优先保证全局或近全局的信息可见性，避免让 agent 沉溺于私信；在需要防止串通的场景，则可以利用抱团网络与私信抑制共识。
- 治理启示：若社交平台混入大量模型账号，其集体结果可能偏离纯人类环境；平台与监管者需要把“模型组合 + 网络拓扑”作为风险单元，而不是逐个模型评估。
- 局限：仅一个闭源模型、一个版本；每种条件 30 次，统计功效有限；主实验 36 个 agent、最多 50 轮，规模远小于真实平台；同步轮次更新近似瞬时通信；支付金额很小，外部效度有限；未报告 temperature、随机种子与推理框架，复现性不足；提示词措辞可能显著影响行为，论文未做提示词稳健性检验；人类基准来自不同实验、不同年份与不同支付设置，并非同一套被试的严格对照。
- 未来方向：检验少数派规模的 tipping point；引入异质模型混合群体；操纵记忆长度与消息成本；在更大网络与异步通信下复现；把“伪固定点”作为回音室的实验代理；建立 LLM 集体行为的标准化 benchmark。
🧠 IRMaD 思维导图
mindmap
root((大模型共识形成))
I 引言
共识研究多来自人类实验
模型账号已进入社交平台
智能体集群会自发串通
竞争激励下的共识缺研究
命名博弈没有利益冲突
R 问题
网络结构如何影响共识
通信范围能传多远
不同模型差别有多大
固执与随大流谁在起作用
模型能否替代人类做仿真
M 方法
改编网络共识博弈
三十六智能体 五十轮
四种网络拓扑
无通信 局部 全局
六个开源模型加一个闭源
每种条件重复三十次
同步轮次更新
R 结果
开源模型仅百分之七点六
人类实验一成八到九成五
全局通信才让开源模型谈拢
闭源模型局部通信也成功
抱团网络让共识归零
少数派反而谈成多数颜色
a 讨论
固执越低越容易共识
跟随多数形成假均衡
私信越多共识越少
消息模仿与回音室
闭源模型会转述邻居状态
D 结论
模型集体行为不可外推
网络设计决定共识上限
开源模型不宜充当人类替身
多智能体部署需要治理
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。