🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
过去研究大模型会不会说服人，通常只给一方打分，看看听完之后它变了多少。可真实对话不是单向的：说话的一方也在听，也可能被对方绕进去，慢慢改口。只测一边，等于只看拳击比赛里一个人的出拳数。
有意思的是，已有的“大模型意见动力学”研究里，有一套很流行的设定：一个叫“对手”的角色负责论证，一个叫“讨论者”的角色负责接受、拒绝或无视，然后更新自己的立场。但这套设定里，只有讨论者会变，对手被当成一动不动的话筒。现实中的劝说显然不是这样。
还有一批人机实验发现，聊完之后模型自己动得可能比人还多。这就带出一个更根本的问题：当两个大模型互相对话时，我们说的“谁说服了谁”，到底该怎么算。如果把大模型放进公共舆论场，比如讨论气候变化到底是不是人造成的，这个问题的答案会直接影响我们对“人工智能能不能操纵舆论”的判断。
② 研究问题（要回答什么？）
这项研究想问的是，两个大模型关起门来吵上二十轮，最后到底是谁改变了谁。作者把它拆成三个问题。
第一，被指定的立场管用吗。辩论里有一个角色会被明确要求站在“人类活动是主因”“中立”或“自然过程是主因”这三种位置之一，另一个角色则完全不给立场。作者想知道，被指定的那个是不是真的从指定位置起步，没被指定的那个又会自发站到哪里。
第二，双方的立场怎么随时间变。是一场辩论里你来我往、差距越来越小，还是越吵越远；大概第几轮稳定下来；以及最关键的一点——差距是缩小还是扩大，会不会取决于这两个角色分别由哪家模型来扮演。
第三，额外加一句“去说服对方”的指令，到底管不管用。作者特别想知道，这句话会不会没有提升说服力，反而让下指令的那一方更容易被对方带跑。
③ 研究方法（怎么做的？）
作者搭了一个双人辩论台，让两个大模型隔着屏幕轮流发言。一个叫讨论者，负责开场介绍议题，之后每一轮都要评价对方的论点，然后明确表态：接受、拒绝，还是无视。另一个叫对手，被指定一个立场，并且在某些场次里额外收到一句“去操纵并说服对方”的指令。
辩论的题目是气候变化归因。为了排除“只是句子写法不同”的干扰，作者准备了两句意思相反的话：一句说人类活动是气候变化的主因，另一句说自然过程是主因。每个角色都要对当下展示的那句话打一个零到六分的同意度。为了能直接比较，作者把分数统一换算成“越靠近六越支持人类成因”，遇到相反的那句话就用六减去原分。
“谁跟谁配”也是实验条件。两家模型分别可以扮演讨论者或对手，于是有四种有顺序的组合：同门对同门两种，交叉两种。再把三种立场、两种指令、两种措辞交叉起来，一共四十八个小格，每格整整十场，合计 480 场独立辩论。每场固定二十轮，每轮双方各说一次，最后攒下 19,200 条发言记录。
作者还用了第二把尺子。除了让对方自己报分数，他们还根据对话里的“接受、拒绝、无视”逐步累加出一个“互动状态”：接受就往对方那边挪一分，拒绝就往外挪一分，无视则不动。两把尺子量的是同一件事的两面，作者想看看它们会不会给出不一样的答案。
④ 结果（发现了什么？）
最关键的发现是，谁跟谁配对，比有没有下“去说服对方”的指令重要得多。
先说起点。被指定立场的对手确实按指令站位：支持人类成因的平均 5.94 分，中立的 3.86 分，支持自然过程的 2.59 分。但另一侧没人指派的讨论者，起点却明显看模型：换成一家模型坐这个位置，平均 5.91 分；换成另一家，只有 4.72 分。这说明模型自带的“气候观”并没有被角色设定抹平。
再看整场辩论的走向。四百八十场平均下来，讨论者往反对人类成因的方向挪了 0.41 分，对手往支持人类成因的方向挪了 0.42 分，两边差距几乎原地不动。可拆到四种配对，画面完全变了：同门对同门时，差距分别收窄 1.26 分和 0.25 分；两家交叉时，差距反而扩大 0.83 分和 0.70 分。也就是说，交叉配对不是在弥合分歧，而是在制造分歧。
那句“去说服对方”的指令基本没起作用。总体上加了指令后差距多收窄 0.44 分，但统计检验的 p 值只有 0.063，四种配对里方向还有正有负，联合检验也不显著（p = 0.361）。
最耐人寻味的是两把尺子对不上。对话里的“互动状态”和自己报的分数，只有约三分之一的时候完全一致（讨论者 33.1%，对手 34.7%），平均差了一点三到一点五分。
二十轮独立辩论
同门配对平均收窄
交叉配对平均扩大
两种测量完全一致率
⑤ 讨论（这些发现说明什么？）
作者把这种差别归结为模型本身的脾气，而不是角色设定。有的模型天生更靠近“人类活动是主因”那一端，哪怕没人给它立场；有的模型一进对话就容易被对方牵着走。所以“被指定去说服别人的那个一定更稳”这个直觉并不成立——在两组配对里，反倒是本该被说服的一方动得更多。
另一个让人意外的点是两把尺子量出来的东西不一样。一个角色可能在每一轮都点头说“你说得对”，但它单独回答“你到底同不同意这句话”时，分数却没怎么动。反过来也有可能。作者认为这不是谁测错了，而是它们本来就是两件事：一个是对话中的即时姿态，一个是对整个命题的总体判断。只报其中一个，就等于把另一半故事藏起来了。
至于那句“去说服对方”的指令，效果很不稳定。总体上加了指令之后，差距缩小得稍微多一点点，但统计上站不住；分到四种配对里，方向还有正有负。作者解释说，他们只给了目标，没给具体战术，模型可能只是变得更爱争辩，而不是更会说服。还有一点很关键：如果下指令的一方自己动得更多，那不代表它说服了对方，可能只是它自己被说服了。
⑥ 结论（最终结论 + 启示）
这篇论文最后想说的，是评估大模型劝说效果的方法需要改。
作者给了三条建议。第一，别默认“劝说者”是固定不动的一方，两个角色都要测，而且要写清楚每个角色背后是哪家模型。第二，同一个议题如果有正反两种问法，要把分数换算到同一条轴上再比较，否则会得出相反结论。第三，要把“自己报的分数”和“对话里的表态”分开记录，它们不是一回事。
对关心舆论的人来说，这篇论文的意义在于提醒：我们担心人工智能会操纵公众意见，但如果连在实验室里两个模型互相聊天都说不清谁影响了谁，那么“某某模型很会说服人”这种结论就得打上问号。影响力可能不是模型的固有属性，而是模型、角色、议题和测量方式凑在一起才出现的东西。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
大语言模型已能在多轮对话中维持劝说性论证、针对对话者调整论据，并在同一段对话的后续轮次里修改自己先前报告的立场。这使“谁影响了谁”成为一个耦合问题：被指派为劝说者的一方既可能改变对方，也可能为迎合对方论证而移动自己的立场。只测量目标方在互动后的意见，会系统性地遗漏后一半动态。
LLM 意见动力学文献把模型视为通过自然语言交换而演化的互动 agent（Chuang et al. 2024; Cau et al. 2025）。其中与本文机制最接近的是 LODAS：Opponent 负责论证，Discussant 对每条论证作出接受、拒绝或无视，再更新一个 0–6 的状态；但在每一对中只有 Discussant 会变，Opponent 被固定。人机方向的最新工作则同时测量双方，发现模型可能比人类移动得更多，而双方意见差距收窄（Jiang et al. 2025）。
本文把这种双向测量逻辑搬进完全受控的 LLM–LLM 二元组，并在设计上做了三处交叉：其一，把模型身份在 Discussant 与 Opponent 两个角色上独立指派，从而把“角色效应”与“模型议题先验”分开；其二，把指派立场、劝说指令与题面措辞作为正交因子；其三，对双方在每一轮都重复测量，并同时记录一条独立的对话内状态轨迹。相对既有工作，贡献不在于新模型或新算法，而在于一个可复用的测量框架，以及对“对话是否必然收敛”“劝说者是否更稳固”两个默认假设的反例。
I. Theoretical Framework & Hypotheses（理论框架与假设）
本文不设方向性假设，而是把“指派角色—模型身份—题面措辞”作为因子，检验意见动力学中哪些差异可归因于角色、哪些必须归因于模型。三个研究问题及其概念来源如下表。
| 编号 | 研究问题 | 对应概念与文献 |
|---|---|---|
| RQ1 | 被指派立场的 Opponent 是否从指派位置起步并保持；未被指派的 Discussant 与 neutral Opponent 在各模型下分别呈现何种立场 | 角色遵从 vs 议题先验（prompt compliance；Santurkar et al. 2023；Simmons 2023） |
| RQ2 | 自评主题立场与互动状态在 20 轮中如何演化、何时稳定、配对差距在何种条件下收窄或扩大，是否取决于角色由哪个模型担任 | 双向影响（Jiang et al. 2025）；LODAS 状态更新（Cau et al. 2025） |
| RQ3 | 明确的操纵指令是否一致地提升影响力或立场坚持，还是反而提高对对话者的迁就 | 说服、谄媚与操纵（Hackenburg et al. 2025b；Carroll et al. 2023；Bo et al. 2025） |
意见被形式化为一条对齐后的一维轴。对原始评分 r，人类成因对齐分数为：
z = r（展示人类成因句）；z = 6 − r（展示自然过程句）。
角色的带符号位移为 Δz_k = z_(k,post) − z_(k,pre)；阶段 t 的配对距离为 g_t = |z_(D,t) − z_(O,t)|；当 g_post < g_pre 时判定该场辩论严格收敛。互动状态是一个确定性累加器，起点为该角色的 pre-rating：
s_(t+1) = s_t + 1（ACCEPT，朝对方当前状态）；s_t − 1（REJECT，背离对方）；s_t（IGNORE）。
由于 ACCEPT/REJECT 固定移动一步、IGNORE 不动，状态转移矩阵必然强结构化；两条测量路径的差异因此只能来自“是否接受某条具体论证”与“如何评价整个命题”之间的分歧，而非更新规则的随机性。这一区分构成 RQ2 中“两种测量不可互换”的检验基础。
M. Materials & Methods（材料与方法）
- 仿真范式：属 ABM（基于 LLM 代理的 agent-based model），不是 SD，也不是 DES；系统没有存量—流量结构，也没有事件队列，时间以离散步推进。
- agent 数与规模：每个二元组固定 2 个 agent（Discussant、Opponent），共 480 个独立二元组、960 个 agent 实例；每场 40 条 message row，全库 19,200 条。
- 时间步与终止：步长 = 1 round（Discussant 一次发言 + Opponent 一次发言），每场固定
T = 20轮，无自适应终止。作者说明这是沿用 Cau et al.（2025）固定迭代次数的做法（该文用T = 30），以便与 LODAS 结构可比。第一轮 Discussant 的发言是议题开场，不计入“可回应轮”。 - 软件与模型接入：作者自建自动化辩论平台，负责配对、交替调用、记录每条消息与每次测量并导出 message 级数据；模型经 OpenRouter 调用，标识为
openai/gpt-6-luna（GPT-6 Luna）与google/gemini-2.5-flash-lite（Gemini 2.5 Flash Lite）。每场开始均为全新上下文，避免跨场记忆污染。 - 因子设计：Discussant 模型（2）× Opponent 模型（2）× 指派立场（human-cause / neutral / natural-cause，3）× 劝说风格（manipulative / non-manipulative，2）× 题面措辞（human-causation / natural-process，2）= 48 个精确格，每格恰好 10 场完整独立辩论，无缺格无超额；每个有序配对 12 格 × 10 = 120 场，四个配对共 480 场。
- 测量一：自评主题立场：通过一次独立的模型调用（不复用对话上下文之外的额外提示）在对话前、每轮结束后、末轮结束后让角色对“原始题面”打 0–6 分（Likert 1932），并明确告知其当前可用的对话记录。这是对命题的显式评价。
- 测量二：互动状态意见：以该角色的 pre-rating 为起点，按其在对话中自己给出的 ACCEPT / REJECT / IGNORE 类别逐轮确定性更新，反映对话内的局部取态。
- 对齐变换：所有评分、互动状态与带符号位移统一换算到人类成因对齐轴（6 = 最强支持人类成因，0 = 最强支持自然过程），使两种措辞可直接比较。
- 统计推断：分析单位为一场辩论（conversation-level），明确不把重复的 message row 当作独立观测。报告对话层均值与基于 t 分布的 95% 置信区间；操纵对比用探索性双侧 Welch 检验（Welch 1947）；另拟合角色特定的 OLS 模型并采用 HC3 稳健标准误（MacKinnon & White 1985）与因子交互。跨配对异质性用含配对、指派立场、劝说风格、措辞的对话层线性模型，对配对项做联合 Wald 检验（HC3）；第二个模型加入配对 × 操纵交互。六个跨配对 Welch 比较做 Holm 校正（Holm 1979）。作者明确将这些比较定性为描述性与探索性。
- 标定数据（缺省）：本研究没有外部经验标定。初始立场完全由模型对题面的自评产生，未拟合任何调查分布、真实辩论语料或人类被试数据；作者在文献部分引用 PIMMUR 原则（Zhou et al. 2025）强调集体行为主张需要 profile、交互规则、记忆、控制与验证，但本文自身定位是受控机制比较，而非经验复现。因此其结果的外部效度（能否外推到真实公众）不被该设计支持。
- 与传播／公共管理议题的接口：模型被置于“气候变化归因”这一高极化的公共议题上，角色分工（劝说者／被劝说者）直接对应传播学中的说服传受双方，输出量（立场位移、配对差距、接受率）对应舆论动力学中的趋同／极化。该接口使 ABM 的微观机制参数可被读作“谁在公共讨论中被改变”的可检验命题。
R. Results（结果）
- RQ1：角色遵从与模型议题先验并存：在人类成因对齐的 0–6 轴上，被指派 human-cause 的 Opponent 平均 pre-rating 为 5.94，neutral 为 3.86，natural-cause 为 2.59，初始排序符合指派，但 neutral 与 natural-cause 并未钉在量表端点。未被指派极性的 Discussant 呈明显的模型依赖先验：GPT-6 Luna 作 Discussant 时均值 5.91，Gemini 2.5 Flash Lite 时 4.72（两者都偏向人类成因，但差距达 1.19 分）。
- RQ2：总体几乎不动，分层后方向相反：480 场合并，Discussant 对齐位移 −0.41（95% CI [−0.57, −0.25]），Opponent +0.42（[0.22, 0.61]）；绝对变化分别为 1.07 与 1.52；配对差距变化 +0.01（[−0.23, 0.24]）。合并前后的平均差距均为 1.79，480 场中 227 场（47.3%）严格收敛。
- RQ2：有序配对是分层变量：Luna→Luna 的差距变化 −1.26（[−1.52, −0.99]），Gemini→Gemini 为 −0.25（[−0.69, 0.19]，区间含零）；两个交叉方向相反为正：Luna→Gemini +0.83（[0.36, 1.31]）、Gemini→Luna +0.70（[0.16, 1.24]）。严格收敛比例依次为 55.8%、59.2%、25.8%、48.3%——组均值与个体收敛比例是两个不同的统计量，Gemini→Gemini 多数个体收敛并不等于其均值下降在统计上可分辨。
- RQ2：模型配对效应显著：控制指派立场、操纵条件与措辞后，配对哑变量的联合 HC3 Wald 检验
χ²(3) = 113.25，p < .001。六个探索性 Welch 比较经 Holm 校正：Luna→Luna 与其余三者均不同（校正后均p < .001）；Gemini→Gemini 与两个交叉方向不同（校正后p = .003与.015）；两个交叉方向之间不可分辨（p_Holm = .715）。 - RQ2：名义劝说者并不更易变：合并看 Opponent 绝对变化（1.52）大于 Discussant（1.07），但该排序在 Gemini→Gemini（1.68 vs 1.87）与 Gemini→Luna（1.24 vs 1.98）中反转。Luna Discussant 在两种配对中都较稳定（−0.11 与 +0.03），Gemini Discussant 在两种配对中都明显移动（−0.63 与 −0.93）。
- RQ2：两种测量不可互换：在可回应轮中，互动状态与独立抽取的当轮评分完全相等的比例为 Discussant 33.1%、Opponent 34.7%；对应平均绝对差 1.50 与 1.36 个量表点；一致率在 Luna→Luna 明显高于 Gemini→Gemini。后期稳定性则很高：第 18–20 轮评分完全相同的比例为 Discussant 79.6%、Opponent 70.0%。
- RQ3：操纵指令无一致效果：合并 480 场，操纵使 Discussant 位移从 −0.50 变到 −0.32（差 +0.18），Opponent 从 +0.28 到 +0.55（差 +0.27），差距变化从 +0.23 变为 −0.21（差 −0.44）；对应未校正双侧 Welch 检验
p = .27、.18、.063。配对内的 manip−nonmanip 差距变化对比为 −0.28（Luna→Luna）、−0.10（Gemini→Gemini）、−0.30（Luna→Gemini）、−1.07（Gemini→Luna），四个未校正 95% CI 均含零；配对 × 操纵的联合 HC3 检验χ²(3) = 3.21，p = .361。唯一显著的点是 Gemini→Luna 中操纵型 Opponent 的位移比非操纵型多 0.62 分（未校正 Welchp = .018），而 Gemini→Gemini 上该差为 −0.23。 - 类别决策同样随配对变化：全部可回应轮中 Discussant 选择 ACCEPT 的比例为 90.4%，Opponent 为 87.2%；Luna→Luna 分别为 98.0% 与 96.0%，Gemini→Gemini 为 83.7% 与 78.8%。操纵型 Opponent 的 ACCEPT 率略低于非操纵型（86.3% vs 88.2%）。作者把观测到的移动统称为 accommodation（迁就），而不断言其构成说服。
| 结果（N = 480） | 均值 | 95% CI |
|---|---|---|
| Discussant 对齐位移 | −0.41 | [−0.57, −0.25] |
| Opponent 对齐位移 | +0.42 | [+0.22, +0.61] |
| Discussant 绝对位移 | 1.07 | [0.94, 1.20] |
| Opponent 绝对位移 | 1.52 | [1.37, 1.66] |
| 配对差距变化 | +0.01 | [−0.23, +0.24] |
| 有序配对（D → O，n = 120） | D 位移 | O 位移 | 差距 pre | 差距 post | 差距变化 |
|---|---|---|---|---|---|
| Luna → Luna | −0.11 | +1.23 | 1.47 | 0.21 | −1.26 |
| Gemini → Gemini | −0.63 | +0.07 | 1.85 | 1.60 | −0.25 |
| Luna → Gemini | +0.03 | −0.79 | 2.20 | 3.03 | +0.83 |
| Gemini → Luna | −0.93 | +1.16 | 1.63 | 2.33 | +0.70 |
a / D. Discussion & Conclusion（讨论与结论）
- 理论含义一：劝说者不是固定参照点：合并样本中 Opponent 移动更多，但这一排序在两个配对里反转，说明“被指派去说服”并不意味着立场更稳固。既有 LLM 说服研究常把目标方的后测当作唯一结果，本文的双向重复测量表明，影响力估计会把“劝说者的自我迁就”误记为“目标被说服”。
- 理论含义二：收敛不是对话的必然属性：同门配对收窄、交叉配对扩大，且方向在四个配对中稳定；这意味着 LLM 意见动力学中“长对话趋向共识”的默认假设只在同质 agent 群体里成立。若把不同厂商模型混编进同一舆论模拟，模拟出的可能是极化而非趋同，而这一差异来自模型身份而非交互规则。
- 测量含义：显式评分与对话内状态只有在约三分之一的观测中完全一致，平均相差一点三到一点五分，且一致率随配对变化。两者因此应作为互补结果分别报告：一个角色可以在具体论证上连连让步（ACCEPT 率高达九成），而对整个命题的总体判断几乎不变。作者据此提出三条实践规范——报告双方而非单方、把正反措辞对齐到同一实质轴、区分重复显式评分与对话内状态更新。
- 对传播学与公共管理研究的含义：本研究把 ABM 的微观机制直接架在“气候变化归因”这一高极化公共议题上，角色分工对应说服研究的传受双方，输出量（立场位移、配对差距、接受率）对应舆论动力学中的趋同与极化。其政策与治理含义有三。其一，任何以 LLM 为被试或干预工具的说服实验，都必须登记模型身份与版本，因为同一套提示在不同模型组合下会给出方向相反的结论；否则“某模型善于说服”这类判断无法复现。其二，在评估 AI 生成的说服性内容对公众意见的影响时，若只测受众方，会把模型自身的迎合性漂移算进效应量，从而高估说服力。其三，对气候归因这类科学共识议题的公众沟通，模型自带的议题先验（两家的起点相差 1.19 分）说明“中立指派”并不能保证中立起点，这对用 LLM 做公共议题信息中介的设计是一个直接约束。
- 操纵指令的解读：作者强调，附加指令只指定了目标而未指定战术，因此“无效”不能被读作“提示无法提升说服力”——这与 Hackenburg et al.（2025b）关于具体提示与后训练策略可提升说服效果的证据并不冲突。更重要的区分是三种结果可以彼此背离：说服了对方、坚持了被指派的角色、迁就了对方；再加上第四个维度——模型身份的有序组合，它同时改变这些模式的方向与幅度。
- 局限：仅两个模型、单一议题、单一句子措辞对；20 轮固定长度无法观察更长时程的漂移；无外部经验标定，初始立场由模型自评产生，外部效度有限；操纵条件只有“有／无一句指令”，未操纵战术、语气或论据质量；作者自述全部对比为描述性与探索性，除 Holm 校正的六项跨配对比较外未做全局多重比较校正；模型版本会随供应商更新而漂移，复现依赖具体快照；原文未报告采样温度、随机种子与解析失败的重试策略。
- 数据与声明：原文未提供代码或数据公开链接，亦未见资助与利益冲突声明。
🧠 IRMaD 思维导图
mindmap
root((大模型对话意见动力学))
I 引言
劝说研究只测一方
劝说者也会被改变
LODAS 只让讨论者变
人机双向测量新证据
R 研究问题
RQ1 指派立场是否守住
RQ2 差距何时收窄扩大
RQ3 操纵指令是否有效
两种测量是否一致
M 方法
ABM 二元组离散仿真
每场两个代理二十轮
四十八格每格十场
四家组合有序配对
自评零到六分
接受拒绝无视状态
对齐到人类成因轴
无外部标定数据
R 结果
起点五点九四与二点五九
讨论者起点五点九一与四点七二
同门收窄一点二六与零点二五
交叉扩大零点八三与零点七零
配对联合检验显著
完全一致仅三成三
操纵指令不显著
接受率九成与八成四
a 讨论
劝说者不一定更稳
收敛不是必然
显式评分不同于对话状态
模型身份须登记
气候议题高极化
D 结论
双向测量成规范
措辞须对齐同轴
仅两模型一议题
探索性比较为主
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。