说服我，如果你能：评估大语言模型说服效果和易受说服性的框架

本研究探讨大语言模型（LLMs）在说服能力方面的表现及其潜在风险，尤其关注模型在伦理对齐方面的脆弱性。我们提出了“说服我，如果你能”（PMIYC）框架，通过多智能体交互评估说服效果和易受说服性，发现Llama-3.3-70B和GPT-4o在说服效果上相似，但GPT-4o在应对虚假信息时显示了更强的抵抗力。这一研究为理解LLMs的说服动态和安全AI系统的发展提供了实证支持。