15:14arXiv cs.LG@Ting-Wen Ko, Jonas Geiping该研究分析了7个LLM在20个争议话题上的双人辩论,发现自对弈轨迹形成模型特定吸引子。在混合对弈中,Claude Haiku作为强吸引子,其他模型会模仿其元评论等特征,而GPT-4.1 nano表现出高度可塑性。这些吸引子使对话行为部分可预测,但受非对称伙伴影响。论文Claude HaikuGPT-4.1 nano多智能体对话动力学吸引子状态推荐理由:这篇论文发现LLM聊多了会互相带跑偏,Claude Haiku像个引力源,其他模型会被它影响。原文
10:50arXiv cs.AI@Zhengyuan Liu, Stella Xin Yin, Min-Yen Kan, Nancy F. Chen本文提出一个概念框架,用于分析协作问题解决中的对话,尤其关注人类-AI和多智能体协作的动态。该框架通过一个层次化两层编码方案,整合认知与非认知问题解决及元认知调节机制。在跨越多个领域的9个数据集上验证了其有效性和泛化能力,发现元认知调节是深层协作的关键区分器。论文协作问题解决对话动力学元认知调节人类-智能体协作多智能体系统推荐理由:这篇论文给出了分析对话的实用框架,在9个数据集上测试过,特别点出元认知调节对协作深度的重要性。原文