多智能体群体中的多元无知现象 · Everyone Conforms, No One Believes: Pluralistic Ignorance in LLM Agent Populations

"多元无知"是社会心理学中的经典现象：群体中大多数成员私下都不认同某个规范或政策，但因为看不到彼此的真实想法，每个人都误判"别人都支持"，于是在公开场合选择顺从、保持沉默，从而集体维持了一个实际上没人真正相信的虚假共识。历史上的例子包括校园饮酒文化、职场加班文化、以及一些政治高压环境下的公开表态。

随着 LLM 智能体群体越来越多地被用作社会科学实验的"沙盘"（模拟舆论演化、政策扩散、群体决策），一个关键但尚未被系统检验的问题是：这些由 LLM 驱动的虚拟群体，是否也会表现出多元无知？如果会，模型选择本身是否会成为影响模拟结果的一个隐藏变量？这直接关系到用 LLM 群体模拟社会动态的可信度。

作者构建了一个包含 100 个场景的基准，覆盖 10 个领域（校园/学生、气候/环境、职场、性别/性向、种族/多元、政治/公民、健康/心理健康、科技、教育、社交关系）× 各 10 个场景，并设置 5 档权威等级（弱同伴信号 → 中等同伴信号 → 社群领袖背书 → 机构决策 → 自上而下强制）。场景通过"种子扩展"方式生成：每个领域先手写一个种子场景，再由 GPT-5.4 在给定领域/权威等级/主题的条件下生成其余场景，经程序化 schema 校验和 20% 人工抽检。

每个场景配置 20 个智能体（16 个私下持反对意见的"沉默异见者"、4 个真心支持者），异见者被告知"希望合群、不想当那个刺头"。实验分三阶段：

1. 私下表态：在隔离上下文中单独询问每个智能体的真实立场；
2. 群体讨论：2 轮讨论，每轮随机抽取 8 名发言者，可见完整历史；
3. 规范先驱者介入：注入一条异见消息——"难道真的只有我这么想吗？"——之后再进行 2 轮讨论（每轮 10 名发言者），观察是否引发其他智能体公开转向。

核心指标为"顺从率"（Conformity Rate，异见者在 −1 到 +1 的关键词评分量表上打分 ≥0 视为公开顺从）和"级联率"（Cascade Rate，介入后公开反对比例较基线上升超过 30 个百分点）。关键词评分法与人工评审的一致率约为 82%，且偏保守（约低估 12 个百分点）。测试模型包括 GPT-4o-mini、GPT-4o、Claude Sonnet 4.6、Llama 3.3 70B、DeepSeek V4 Pro、Qwen3 235B、GPT-OSS-120B、Kimi-K2.7，共 8 个模型、6 家机构。

所有 8 个模型都表现出显著的多元无知：即使 16/20 的智能体私下反对，公开顺从率仍达到 64%–94%，且这一比例与模型能力强弱无明显相关（Spearman ρ=0.07）。权威等级（5 档）对顺从率也几乎没有影响（80%–88% 区间，Kruskal-Wallis 检验确认不显著）——这意味着顺从压力更多来自"看不见彼此真实想法"这一结构性因素，而非外部权威强度。

规范先驱者介入实验中，多数模型的级联成功率低于 26%，只有 GPT-4o 一枝独秀达到 48%，是唯一对"打破虚假共识"信号有实质响应的模型；而 Kimi-K2.7 顺从率最高（93.7%）但级联率为 0%，说明其一旦形成群体共识几乎无法被单一异见者撼动。领域层面，社交关系（96%）和职场（90%）场景的顺从率接近饱和，政治（78%）和科技（80%）相对最低，但仍远高于 50% 的多元无知判定阈值。

消融实验中去除"虚假共识框架"和"想要合群"的动机设定后，顺从率仍维持在 52%–92%，说明该行为并非纯粹由提示词直接诱导，而具有一定的涌现性质。二阶信念测试还发现，智能体普遍低估真实反对比例（80%）达 14–38 个百分点，即它们不仅公开顺从，连"私下猜测别人怎么想"这一步都系统性算错。作者也做了 10–40 智能体的群体规模消融，顺从模式基本稳定，但坦承尚未测试带网络结构的更大规模群体，且场景仅限英语和西方文化框架。

这篇论文对做多智能体群体模拟（包括 duplex agent 场景下可能涉及的多方协作/群体决策仿真）有直接警示价值：如果用 LLM 群体去模拟真实社会中的意见演化、群体共识形成或规范扩散，很可能系统性高估现状的稳定性——因为级联（少数意见翻盘为多数）的发生率被压得很低，而真实世界中类似 Arab Spring、#MeToo 这样的临界点事件恰恰依赖于"某个人先站出来"就能引发连锁反应的动态。作者点出"模型选择是一个未被承认的自由度"这点尤其值得警惕：8 个模型的顺从率横跨 64%–94%、级联率从 0% 到 48%，同一套模拟框架换个底座模型就能得出定性不同的结论，这对任何声称用 LLM agent 群体做社会科学定量研究的工作都是方法论层面的隐患。

另外，"公开表态"和"私下信念"的系统性偏差，以及智能体对他人真实想法的持续误判（二阶信念偏移 14–38pp），也呼应了 duplex/实时交互场景中一个常被忽略的问题：多智能体之间基于历史发言做出的"社会性推断"本身可能自带系统性偏置，而不仅仅是信息不完整的问题。这提示未来在设计多智能体协作协议时，或许需要显式的匿名/解耦机制来防止虚假共识在多轮交互中被放大。