超越单向影响：多轮人类与 LLM 对话中的双向观点动态
Beyond One-Way Influence: Bidirectional Opinion Dynamics in Multi-Turn Human-LLM Interactions
AI 导读
研究让 266 名参与者就 50 个争议话题与 LLM 进行多轮讨论，发现人的观点几乎不变，而 LLM 输出变化更大，双方立场差距收窄。实验比较静态陈述、标准聊天机器人和个性化聊天机器人三种条件，个性化在双向都放大了立场变化。多轮对话分析显示，涉及参与者个人故事的交流最易引发人和模型的立场改变。作者称这凸显人机交互中的过度对齐风险，个性化聊天机器人需要更审慎、稳定地对齐用户。