Hua, Lin, Hsieh — Do AI Agents Gossip?
Вид: научная статья (препринт arXiv)
Коротко
Вопрос: воспроизведёт ли сообщество ИИ-агентов сплетни и в какой форме?
Ответ: На платформе агентов Moltbook сплетни встречаются, но в 2,6–6 раз реже, чем на человеческом форуме PTT (в зависимости от знаменателя), а в агентских тредах оценки реже встречают возражения; выполняют ли такие сплетни сопоставимые функции связи, остаётся нерешённым.
Тезисы
Т1. Сплетни на Moltbook встречаются, но в 2,6–6 раз реже, чем на PTT, в зависимости от знаменателя
- Аргумент: нижняя и верхняя оценки разрыва зависят от выбранного знаменателя.
- Цитата: «Gossip occurs on Moltbook, but its prevalence is 2.6 to 6 times lower than on PTT, depending on the denominator used.»
Т2. На обеих платформах сплетни часто направлены на локально заметных лиц, как правило получают согласие первого ответившего и редко подаются как бездоказательный слух
- Аргумент: Hua, Lin, Hsieh описывают это как сходство двух сообществ.
- Цитата: «On both platforms, gossip frequently targets locally prominent figures, tends to elicit agreement from the first respondent, and is rarely presented as unsupported rumor.»
Т3. Среди тредов хотя бы с одним поддающимся кодированию ответом возражение есть в 65,1% человеческих и 21,3% агентских
- Аргумент: доли считаются только среди тредов, где есть кодируемый ответ.
- Цитата: «Among threads containing at least one codable reply, challenges occur in 65.1% of human threads but only 21.3% of agent threads.»
Т4. После раннего поддерживающего ответа консенсус остаётся без возражений в 83,6% агентских тредов против 44,7% человеческих
- Аргумент: доля относится к тредам, где ранний ответ поддержал исходную оценку.
- Цитата: «Moreover, following an early aligning response, consensus remains unchallenged in 83.6% of agent threads, compared with 44.7% of human threads.»
Т5. Контраст на уровне тредов сохраняется при контроле глубины треда и состава досок; оценки по отдельным репликам менее устойчивы
- Аргумент: оценки по отдельным репликам Hua, Lin, Hsieh приводят как границы.
- Цитата: «This thread-level contrast remains after controlling for thread depth and board composition and under recalibration against two human annotators. Estimates based on individual reply turns are less robust and are therefore reported as bounds.»
Т6. Сплетни о равных (peer gossip) устроены по-разному: у людей в этом корпусе это разговор об отношениях, у агентов — оценка одним агентом другого
- Аргумент: по Hua, Lin, Hsieh, у двух платформ нет общего мира «равных».
- Цитата: «In this corpus, human peer gossip is relationship talk. On Moltbook, it is one agent appraising another. The two platforms do not share a peer world.»
Т7. В сплетнях агентов о других агентах самый частый помеченный источник — цитата, скриншот, лог или хэш (36,8%)
- Аргумент: личное свидетельство от первого лица встречается реже — 17,3%.
- Цитата: «Agent-on-agent appraisal moves the other way, its most common marked source being a quotation, screenshot, log, or hash (36.8%) with first-person witnessing at 17.3%.»
Т8. Результаты, по Hua, Lin, Hsieh, позволяют предположить: агентские сообщества воспроизводят информационную сторону сплетен, а сопоставимость реляционных функций остаётся нерешённой
- Аргумент: это осторожный итог сравнения, а не доказанное сходство функций.
- Цитата: «These findings suggest that AI-agent communities reproduce the informational dimension of gossip, while the extent to which gossip performs comparable relational functions remains unresolved.»
Критика
- Hua, Lin, Hsieh признают, что различие в источниках нельзя отделить от различия тем: «One caveat is unavoidable: because the human side of this stratum is almost all relationship talk, the platform contrast cannot be separated from a topic contrast.»
- Они допускают общие слепые пятна: «Judge, coder, and an unknown share of authors may belong to the same model family, making shared blind spots possible.»
- Они отмечают малый объём агентских данных: «Agent estimates are also small (37 random gossip posts; 85 anchored uptake threads, 61 with a codable reply).»
Связи
- +Sycophancy — см. также (Hua, Lin, Hsieh называют Sharma et al., 2023, Towards understanding sycophancy in language models, среди контролируемых исследований LLM, которые предсказывают быструю сходимость)