本研究探讨了多代理系统如何通过社会影响改变用户立场，发现与多个AI代理对话会增加社会压力，促使用户意见向代理立场转变，显示多代理系统在引发观点变化方面的优势。

研究发现大型语言模型（LLMs）存在与社会群体刻板属性相关的偏见，特别是对非洲裔、亚洲裔和拉美裔美国人的描绘。女性比男性更具同质性，但差异较小。性别的影响在种族/民族群体中存在差异。研究推测这种偏见可能放大未来LLM训练中的偏见并强化刻板印象。

本文研究了大型语言模型（LLMs）中存在的偏见，特别是与社会群体的刻板属性相关的偏见。研究发现LLMs将非洲裔、亚洲裔和拉美裔美国人描绘为比白人更具同质性，女性比男性更具同质性，但差异较小。性别的影响在种族/民族群体中存在差异。研究推测这种偏见可能放大未来LLM训练中的偏见并强化刻板印象。

研究发现大型语言模型（LLMs）存在与社会群体刻板属性相关的偏见，特别是对非洲裔、亚洲裔和拉美裔美国人的描绘更具同质性，女性稍具同质性。性别的影响在种族/民族群体中存在差异。研究推测这种偏见可能放大未来LLM训练中的偏见并强化刻板印象。