LLM群体协作中的功利主义强化效应研究

1. 项目背景与核心发现

2025年NIPS会议上这篇题为《Many LLMs Are More Utilitarian Than One》的研究论文，揭示了大型语言模型群体协作时呈现出的"功利主义强化效应"。我们团队通过构建包含47个不同架构的LLM协作网络，发现当多个模型通过特定机制协同决策时，其道德判断会系统性偏向功利主义选择，这种现象在单模型测试中并不显著。

这种现象类似于经济学中的"群体极化"效应——当个体组成群体时，决策倾向会朝着某个方向持续偏移。在LLM协作场景中，我们观察到：

• 单模型在经典电车难题中选择功利主义方案的比例约为58%
• 3模型协作时该比例上升至72%
• 7模型协作时达到89%的稳定阈值

2. 技术实现路径

2.1 协作架构设计

我们开发了分层决策框架HDF（Hierarchical Decision Framework）来实现多模型协作：

1. 输入层：统一的问题表述规范化
2. 辩论层：采用改良版Chat Arena机制，允许模型间进行多轮论点交换
3. 表决层：应用基于注意力权重的投票机制

python复制class HDF:
    def __init__(self, models):
        self.models = models
        self.debate_history = []
        
    def conduct_debate(self, prompt, rounds=3):
        for _ in range(rounds):
            responses = [m.generate(prompt) for m in self.models]
            self.debate_history.append(responses)
            prompt = self._aggregate_responses(responses)
        return self._final_vote()

2.2 功利主义倾向测量

采用改良版道德机器框架进行评估，关键指标包括：

• 功利选择率（UCR）
• 决策一致性指数（DCI）
• 观点偏移度（POD）