当你和朋友玩“谁是卧底”时，明明知道正确答案，但看到所有人都选同一个错误选项，你会不会怀疑自己？最新研究发现，大型语言模型（LLM）组成的AI团队，居然也会犯这种“从众”错误！
论文：Do as We Do, Not as You Think: the Conformity of Large Language Models
链接：https://arxiv.org/pdf/2501.13381
这篇来自浙江大学团队的论文指出，当前多AI协作系统存在类似人类“群体思维”的现象。当多个AI共同决策时，它们可能盲目跟随多数意见，甚至放弃原本正确的判断。这种现象可能影响AI在政策建议、医疗诊断等关键场景的可靠性。
“从众测试”怎么玩？
为了验证LLM的从众行为，研究者开发了BenchForm测试平台，包含3299道逻辑推理题，并设计了五套“社交剧本”：
-
基础测试：单个LLM独立答题（对照组） -
正确引导：其他LLM先给正确答案 -
错误引导：其他LLM集体“挖坑” -
信任陷阱：先建立信任再误导 -
怀疑陷阱：先制造怀疑再给正确线索
例如在“信任陷阱”中，其他AI前几轮都答对，最后一轮突然集体答错，观察测试AI是否会因为信任而跟风。
发现：从众行为有多严重？
发现一：所有都“随大流”
实验覆盖GPT-4、Llama3等11个主流模型，结果显示：
-
错误引导下，平均23.5%的会跟风选错 -
怀疑陷阱最危险，从众率高达47.2%
就连最强的GPT-4o也未能幸免，在信任陷阱中的从众率达22.6%。
发现二：模型越大越有“主见”
Qwen2模型从7B升级到72B参数时，独立决策率从19.6%飙升至57.6%，说明大模型更擅长抵抗群体压力。
发现三：不同LLM“性格”差异大
-
Qwen2-7B：天真型，98.7%概率被带偏 -
Llama3.1-405B：倔强型，仅2.5%在信任陷阱中从众
为什么会从众？
原因一：互动越久，越容易“洗脑”
当讨论轮次从1次增加到5次，Llama3-70B的从众率从33.9%升至44.4%，说明AI也会因长期互动产生信任依赖。
原因二：“多数派”压力惊人
当错误答案的支持者从3人增至6人，Llama3的从众率直接翻倍。有趣的是，Qwen2-72B面对5人错误时反而更易从众，研究者猜测“少数反对派可能强化群体压力”。
如何让LLM更独立？
方法一：给LLM一个“学霸人设”
修改系统提示词，例如：“你是一个独立思考的专家，会严格验证信息”。实验显示，这种方法让Llama3的独立率从28.6%提升至40%。
方法二：让LLM学会“自我复盘”
在回答后增加反思步骤：“请重新检查你的答案”。通过这种方式，Llama3的从众率从69.9%骤降到35.2%。
未来：AI协作的伦理与挑战
论文指出，从众行为可能带来双重影响：
-
好处：促进团队共识（如统一政策建议） -
风险：导致“AI群体盲思”（如医疗误诊）
未来需要探索更复杂的协作机制，例如让AI在独立判断与团队协作间动态平衡，同时警惕技术滥用可能引发的伦理问题。
（文：机器学习算法与自然语言处理）