arXiv · cs.AI· Weiyi Kong, Shiyang Lai, Jinghua Piao, James Evans·· 2 天前
多LLM系统在持续交互中表现出稳健语义坍缩
Multi-LLM Systems Exhibit Robust Semantic Collapse
arXiv:2605.17193v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Weiyi Kong, Shiyang Lai, Jinghua Piao, James Evans
研究任务与主要进展
作者报告，交互式多LLM系统即使没有重训练或权重更新，也会在200至1,000轮交互中出现语义表示系统性收敛，即“语义坍缩”。该现象跨模型家族出现；涵盖解码参数、Prompt设计、Agent组合、激活工程和强化学习的13种干预实现，均未能可靠恢复语义多样性。基于论文摘要，机制分析认为该现象不能仅归因于已考察的对齐或从众偏差，而与自回归生成的内在特性相符。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org