大型語言模型人工群聚：以LLM模擬群體智慧降低估算誤差

研究團隊針對大型語言模型（LLM）是否能模擬人類群體智慧，進行了系統性實驗。實驗使用 960 筆手動執行的提示，涵蓋三款商業模型：GPT‑5、Gemini 2.5 Pro 與 Claude Sonnet 4.5，並在八項估算任務上測試同模型內部抽樣與跨模型聚合的效能。

實驗設計與方法

每項任務均以多次提示產生預測，然後分別採取單一模型內部的多樣本聚合（intra‑model）以及不同模型之間的結果合併（inter‑model）。聚合方式包括簡單平均與加權平均等策略，旨在觀察是否能降低預測誤差。

主要結果

結果顯示，無論是同模型抽樣還是跨模型聚合，都能持續降低平均絕對百分比誤差（MAPE），最高減少幅度達 37 個百分點。Spearman 相關係數在 0.242 至 0.568 之間，且全部顯著 (p<0.001)，說明相對信心區間寬度與相對估算誤差呈正相關，暗示 LLM 在評估不確定性時具備一定的元認知意識。

實務與研究意涵

此研究證實，透過人工群聚的方式，LLM 可在決策支援與預測任務中提升準確性，為組織導入多模型或多樣本策略提供了實證依據。未來可進一步探索不同領域的聚合方法與成本效益，擴大 AI 驅動決策的應用範圍。

延伸閱讀

• SocioHack 基準：評估 RLHF 大型語言模型的獎勵與社會駭客行為
• Anthropic Opus 4.8 與 Fable 5 安全測試：適應式迭代攻擊成功率分別 11.5% 與 6.1%
• Anthropic Claude 提示注入測試顯示 31.5% 原始成功率與防護後 0.5%：業界安全基線解析

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。