2026年10月20日，arXiv 釋出了預印本論文《To Manipulate or Not: Opinion Dynamics in LLM Interactions》（要不要操縱：大語言模型互動中的觀點動力學），作者為 Mohammad Siahkamari 等三人，編號 arXiv:2610.28875，歸入 cs.AI 主分類，同時涉及 cs.CL、cs.MA 與 cs.SI。論文提出：大語言模型正越來越多地參與長時間對話，在這些對話中它們既可能塑造對方的觀點，也可能被對方塑造，然而現有的說服研究大多隻測量這一雙向交換中的一側。為彌補這一缺口，作者構建了一個受控的“LLM 對 LLM”辯論框架。
具體設計上，框架設定兩個語言模型角色，讓它們就一個存在爭議的話題反覆討論，該話題為氣候變化的歸因問題。其中一個角色被賦予明確的立場，並在部分實驗條件下額外收到一條“去說服對方”的顯式指令；另一個角色則不分配任何立場。實驗覆蓋四種有順序的模型組合，參與模型為 GPT-6 Luna 與 Gemini 2.5 Flash Lite。研究者同時追蹤兩類指標：一是每個角色明確報告出的立場，二是對角色在對話過程中逐輪行為的另一套獨立測量。這一雙軌測量是論文的方法學核心，意在區分“模型說自己怎麼想”與“模型在對話中實際怎麼做”。
結果顯示，觀點動力學在不同模型組合之間差異顯著：同模型互動平均而言會縮小雙方的觀點差距，但這一效應僅對兩個模型中的一個表現得足夠清晰；跨模型互動則反而使觀點差距擴大。此外，顯式報告與對話內行為捕捉到的是觀點動力學中彼此不同的側面，而一條籠統的“去說服”指令並不能可靠地提升影響力。作者據此指出，對話中的影響力不僅取決於被分配的角色與初始立場，還取決於參與對話的具體模型，這對如何在長程 LLM 互動中測量觀點變化具有啟示意義。
需要說明的侷限與背景：上述結論基於單一爭議話題與四種有序模型組合的受控實驗，屬於預印本階段成果，尚未經過同行評審；模型名稱與實驗條件均按論文原文所述，結論能否推廣到其他話題、更多模型或更長對話，仍有待後續驗證。論文提交時間為 2026 年 10 月 20 日 19:48:20 UTC，全文約 827 KB，提供 PDF、實驗性 HTML 與 TeX 原始碼，DOI 為 10.48550/arXiv.2610.28875（由 DataCite 發放，尚待註冊），並提供音訊摘要。