关于“大型语言模型出现的行为在观察上等价于数据泄露”的回复
计算与语言
2025-06-24 v1 计算机科学与博弈论
多智能体系统
摘要
当模拟大型语言模型（LLM）群体时，数据污染（即训练数据可能以意外方式影响结果的可能性）是一个潜在 concern。这一 concern 虽然重要且可能阻碍对多智能体模型的某些实验，但并不预clude 对 LLM 群体中真正涌现动态的研究。Barrie 和 T"ornberg [1] 对 Flint Ashery 等人 [2] 结果的最新批评提供了一个机会，阐明在 LLM 群体中可以研究自组织和模型相关的涌现动态，特别是在社会惯例案例中，这些动态已被经验性地观察到。
引用
@article{arxiv.2506.18600,
title = {Reply to "Emergent LLM behaviors are observationally equivalent to data leakage"},
author = {Ariel Flint Ashery and Luca Maria Aiello and Andrea Baronchelli},
journal= {arXiv preprint arXiv:2506.18600},
year = {2025}
}
备注
Reply to arXiv:2505.23796