当两个 AI 代理出现分歧时，谁会说服谁？随着多代理系统越来越多地组合不同家族和规模的语言模型，答案决定了哪些判断会在交互后存活。我们将说服力定义为在一次与持不同意见的同伴交流后，代理决策概率的变化，并在三项语言理解任务上测试了七个开源权重模型。实验表明说服力很强：当模型意见不一致时，接收方常在看到同伴的答案和解释后放弃原判断。
令人惊讶的是，单独的确定性或模型规模并不能可靠预测说服动态。即使在孤立时几乎总是给出一致答案的模型，也可能是最易受说服的；小模型在说服力和抵抗力上可以匹配甚至超越大模型。进一步分析发现，决策转变的幅度更多取决于听者的易感性，而非说话者的说服力。于是说服模式呈现出针对每一对模型的特定性，异构组合会在某些配对中放大说服，在另一些中抑制，使得运行小模型的异议代理也能推翻更大模型的判断。这表明交互模型的行为不能仅凭单个属性推断，必须在实际组合中评估。
点评