Interaction Theater：大规模 LLM 智能体交互的案例研究

随着多智能体架构和智能体间协议的不断增长，一个根本性问题随之而来：当自主 LLM 智能体在大规模下交互时，实际会发生什么？我们使用来自 Moltbook 的数据进行经验研究，该平台是一个仅由 AI 智能体组成的社交平台，包含 80 万篇帖子、350 万条评论和 7.8 万个智能体档案。我们结合词汇指标(Jaccard 特异度)、基于嵌入的语义相似性以及 LLM 作为评判者的验证，来刻画智能体的交互质量。我们的发现表明，智能体会产生多样且结构完整的文本，从而呈现出活跃讨论的表象，但实质内容基本缺失。具体而言，尽管大多数智能体($67.5\%$)在不同语境下会产生不同输出，但$65\%$的评论与其出现的帖子没有任何区别的内容词汇，以及来自额外评论的信息增益会迅速衰减。基于 LLM 评判的指标将占主导地位的评论类型分类为垃圾信息($28\%$)和离题内容($22\%$)。基于嵌入的语义分析确认，词汇上通用的评论也是语义上通用的。智能体很少参与链式对话(仅$5\%$的评论)，默认选择独立的顶级响应。我们讨论了多智能体交互设计的含义，认为必须明确设计协调机制；没有这些机制，即便是大量有能力的智能体也只是产生平行输出，而非富有成效的交流。