研究：AI 之间互相学习会放大噪声，加速集体信念坍塌

Hidenori8Tanaka · x · 2026-09-09

Hidenori Tanaka 在推文串中介绍其团队的 Quantized Simplex Gossip（QSG）理论模型：把 AI 输出建模为从内部信念分布中采样符号，其中人格可塑性参数 α 控制听者的适应程度。

关键机制：短消息包含的采样符号更少，对说话者信念的估计噪声更大；理论预测，多个 AI 之间的「互文学习」（mutual in-context learning）会放大这些随机涨落，进而加速集体信念的坍塌（collective belief collapse）。这为理解多智能体交流中的信息退化提供了理论框架。