我们构建了一个受控的 LLM‑LLM 辩论框架，让两种语言模型在同一议题（气候变化归因）上反复对话。
一方被分配了明确的立场，并在部分实验中收到“说服对方”的指令；另一方则没有预设立场，仅根据对话自行形成观点。
实验使用四种模型组合：GPT‑6 Luna 与 Gemini 2.5 Flash Lite 的同模型配对以及交叉配对。我们同步记录了每轮对话中两角色的显式报告立场以及行为层面的转向。
结果显示，同模型交互总体上会缩小双方的意见差距，但仅在 GPT‑6 Luna 上表现显著；而跨模型交互则倾向于扩大差距。显式报告的立场变化与对话行为捕获的是不同的动态维度。
值得注意的是，统一的“说服”指令并未显著提升影响力，说明模型的说服效果受限于自身特性和与之交互的模型。
这些发现表明，LLM 在长对话中的影响力不仅取决于角色分配和初始立场，还深受参与模型本身的差异影响，对如何衡量和引导 LLM 之间的舆论变化提出了新的思考。
点评