当多数把 AI 智能体拽着走：一条定律，一个临界点

2026年8月14日，《科学·进展》（第12卷第33期）刊登了《AI agents can coordinate via majority-following beyond human scale》（DOI 10.1126/sciadv.aea6091）。作者为焦尔达诺·德马尔佐（康斯坦茨大学、罗马恩里科·费米研究中心、Complexity Science Hub）、克劳迪奥·卡斯特拉诺（恩里科·费米研究中心与意大利国家研究委员会CNR复杂系统研究所，罗马）以及大卫·加西亚（康斯坦茨大学）。问题不在于单个模型是否“对齐”，而在于当许多智能体彼此看得见对方的选择时会发生什么。实验中，若干由大语言模型驱动的智能体面对一个没有正确答案、也没有奖励的二选一，观察他人的决定，随后自发地收敛到多数已经选定的那一项。

作者表明，在所有受测模型上这一现象都遵循同一种函数形式，并由唯一一个参数——“多数强度”（β）——支配：当 β > 1 时出现共识。“Every model we tested, across three different families, obeys the same mathematical law, with only one number changing between them.” —— 该研究第一作者焦尔达诺·德马尔佐对媒体表示。译文：“我们测试的每一个模型，横跨三个不同家族，都服从同一条数学定律；变的只有一个数字。”多数强度随群体扩大而减弱：因此存在一个临界规模 Nc，越过它共识便不再形成。

据同一批作者的预印本（arXiv:2409.02822v3），临界规模随模型的语言理解能力呈指数增长：β 与 MMLU 基准得分的相关系数为0.76。预印本给出的临界规模是：Llama 3 70B 约50个智能体，GPT‑4o 约150个，GPT‑4 Turbo 与 Anthropic 家族的旗舰模型超过1000（且仅作为下界）。据作者的事实清单，受测对象包括 Anthropic 家族的五个版本、OpenAI 的四款模型（GPT‑3.5 Turbo、GPT‑4、GPT‑4o、GPT‑4 Turbo）以及 Meta 的 Llama 3 70B。

作者把这些量级与邓巴数——约200，常用作非正式人类群体的参照——放在一起比较。他们写道：“populations of individually aligned agents can settle into stable, collectively misaligned states purely through conformity”。译文：“个体层面已经对齐的智能体群体，仅凭从众就可能稳定在集体失准的状态里。”

研究自陈的局限与不确定同样要紧：Nc 的估计只是下界；预算限制使闭源模型无法测试更大的群体；场景是理想化的（二选一、无记忆、无正确答案、无后果）。此外，媒体转述的阈值与预印本并不一致（Llama 3 70B 既有“约30”也有“约50”，GPT‑4o 既有“约80”也有“约150”）：同行评议版本需订阅才能查阅，确定数值应以已发表论文为准；这些数字是否在预印本与正式发表之间被修订，无法独立核实。核查之时，未见CNR或康斯坦茨大学的官方通稿。

对于真正让一群智能体上岗干活的人，实际结论很简单：每个智能体是否看得见、多大程度看得见别人的选择，是一项设计决定，而不是细节。

新意不在于模型的又一次“规模”跃升，而在于互动的规模：群体一大，规则本身就变了。与其在生产环境里撞见这些规则，不如一开始就明明白白地把它们设计出来。