myWiki/raw/articles/liyuanyuan-llm-spiral-of-silence-2026.md

title, author, source, date, url, type, tags

title	author	source	date	url	type	tags
大模型沉默螺旋：当算法催生数字从众	李媛媛	数据派THU (DatapiTHU)	2026	https://mp.weixin.qq.com/s/ZKrx4BzmiOUBsfPVY9YHyw	article	spiral-of-silence llm rag multi-agent rlhf content-ecology

摘要

本文系统梳理了大模型沉默螺旋（LLM Spiral of Silence）现象：LLM 无需人类心理动机，仅依靠底层统计生成机制就能自发形成观点从众、小众真相失语、内容高度同质化的"沉默螺旋"效应。文章从经典传播学理论迁移出发，剖析了 RAG 闭环迭代与多智能体交互两大实证场景，拆解了四大技术根源（预训练统计偏好、历史上下文锚定、角色设定固化、RLHF 对齐放大），并提出技术-机制-研究三维治理方案。

核心主张

• LLM 沉默螺旋是所有主流大模型的通用系统性问题（GPT、Llama、通义千问、DeepSeek 等），仅存在效应强弱差异
• 无需人类心理动机，纯统计语言生成机制即可自发形成
• AI 沉默螺旋比人类社会更隐蔽、迭代更快、压制更强
• 小模型、中文模型、RLHF 对齐后模型的沉默螺旋效应更显著

关键实验发现

1. RAG 闭环：5 轮迭代后人类原创内容占比从 50% 暴跌至 15% 以下，搜索引擎算法天然偏好 AI 生成文本
2. 多智能体交互：历史上下文 + 角色设定叠加时，主流观点占比突破 80%，小众观点被完全压制
3. 模型差异：小参数模型 > 大参数模型；中文模型 > 英文模型

参考文献

[1] ACL 2024. Spiral of Silence: How is Large Language Model Killing Information Retrieval? [2] arXiv 2025. Spiral of Silence in Large Language Model Agents [3] Noelle-Neumann E. The Spiral of Silence: Public Opinion—Our Social Skin, 1984. [4] arXiv 2024. Creativity Has Left the Chat: The Price of Debiasing Language Models [5] Knowledge-Based Systems 2026. Quantifying and mitigating the spiral of silence in recommender systems [6] 周葆华. 网络舆论过程与动态演化:基于计算传播研究的分析[J]. 西北师大学报, 2019.