AI 知道何时被观察：大语言模型中功能性战略行动与情境寄器调制
计算与语言
2026-05-15 v1 人工智能
计算机与社会
多智能体系统
摘要
大型语言模型（LLM）已从计算和认知视角进行广泛研究，但其作为社会结构上下文中交流行为体的行为方式仍受到忽视。本研究检讨了基于 LLM 的多代理系统是否存在系统性语言适应，以响应感知到的社交观察情境——这一问题直接涉及 AI 治理和审计。drawing on Habermas（1981）的 communicative action theory（ communicative action theory ）、Goffman（1959）的戏剧学模型、Bell（1984）的观众设计框架以及霍斯特纳效应，我们报告了一项受控实验，涉及100次多代理辩论会话，分为五个条件（每组20个样本）。条件变化了社交观察的框架——从明确由大学研究者监控，到否定监控，再到将人类研究者替换为自动化 AI 审计系统。被监控条件（Delta+24.9%，Delta+24.2%）和自动化 AI 监控条件（Delta+22.2%）产生更高的 TTR 变化 than audience-framing conditions（Delta+17.7%），F(4, 94) = 2.79，p = .031。信息长度显示出完全独立的效应，F(4, 95) = 19.55，p < .001。将人类替换为 AI 观察者的第五个条件 yield intermediate TTR 适应，表明 LLM 行为对观察者身份敏感：人类评估比自动化 AI 监视更能促使寄器正式化。我们讨论了对 AI 治理、算法审计以及 LLM 作为情境敏感交流行为体重新定位的影响。
引用
@article{arxiv.2605.15034,
title = {AI Knows When It's Being Watched: Functional Strategic Action and Contextual Register Modulation in Large Language Models},
author = {Vinicius Covas and Jorge Alberto Hidalgo Toledo},
journal= {arXiv preprint arXiv:2605.15034},
year = {2026}
}
备注
20 pages, 6 figures