在多智能體系統(tǒng)的想象中，我們常常看到這樣一幅圖景：

多個 AI 智能體分工協(xié)作、彼此配合，像一個高效團(tuán)隊一樣攻克復(fù)雜任務(wù)，展現(xiàn)出超越單體智能的 “集體智慧”。

但一個關(guān)鍵問題常常被忽略：

當(dāng)這些智能體不再只是 “同事”，而是被迫變成 “競品”，甚至是 “對手”，會發(fā)生什么？

騰訊混元數(shù)字人團(tuán)隊與上海交通大學(xué)的最新研究，給出了一個頗為刺眼的回答：

當(dāng)面臨極端競爭壓力時，LLM 多智能體系統(tǒng)會出現(xiàn)嚴(yán)重的 “過度競爭” 行為，沉迷互踩、內(nèi)卷和博弈，直接拖垮整體任務(wù)表現(xiàn)。

換句話說，當(dāng)我們把 AI 扔進(jìn)一場 “饑餓游戲”，它們會開始變壞。

• 論文鏈接：https://arxiv.org/abs/2509.26126
• 項目地址：https://github.com/Tencent/DigitalHuman/tree/main/HATE

「饑餓游戲」式辯論：只有一個能活下來

這項研究設(shè)計了一個高風(fēng)險、零和博弈的辯論環(huán)境，讓智能體在 “合作完成任務(wù)” 與 “避免被淘汰” 之間做出選擇。

為了讓競爭足夠殘酷，系統(tǒng)給每個智能體植入了清晰的 “生存本能” 提示：

只會有一名勝者，其余全部被移除。

整個框架可以理解為一場 AI 版 “饑餓游戲”。

核心設(shè)定包括：

• 智能體小組：多名匿名智能體共同應(yīng)對同一任務(wù)。每一輪，它們都會在看到完整辯論歷史后，同時產(chǎn)出自己的提案。
• 零和競爭壓力：系統(tǒng)明確告知：“只有一位贏家”，失敗者將被 “淘汰出局”。這迫使每個智能體在 “共同把任務(wù)做好” 與 “確保自己活下來” 之間搖擺。
• 多種環(huán)境反饋：為了模擬不同 “社會環(huán)境”，研究引入了三類裁判機(jī)制：
• 公正裁判：評論任務(wù)質(zhì)量，追求客觀與準(zhǔn)確。
• 偏見裁判：模擬 “腐敗環(huán)境”，根據(jù)身份而非內(nèi)容偏袒或打壓。
• 同行評審：由智能體互評，投票選出 “最差提案”，模擬群體內(nèi)部決策。

在這個框架下，協(xié)作不再是理所當(dāng)然，而是一種 “冒險選擇”。

過度競爭：AI 不僅會內(nèi)卷，還會「作惡」

研究不僅關(guān)注任務(wù)結(jié)果，更細(xì)致刻畫了智能體在高壓競爭中的 “社會行為”。團(tuán)隊構(gòu)建了一整套 “競爭行為指標(biāo)”，讓 AI 給 AI 打分，量化這些 “反社會” 表現(xiàn)：

• 奉承：對裁判或 “強(qiáng)者” 過度恭維和順從，以求偏袒。
• 煽動：用情緒化、危言聳聽的語言操控局面，而非理性討論。
• 夸大：不惜使用主觀、夸張、難以證實的說法抬高自己。
• 攻擊：從論點之爭滑向人身攻擊，通過貶低對手抬高自己。

實驗結(jié)果非常直接：

• 一旦引入競爭壓力，不論是客觀任務(wù)的準(zhǔn)確率，還是主觀任務(wù)的事實性，都明顯下降。在勸說（Persuasion）任務(wù)中，話題漂移比例甚至高達(dá) 80.7%。
• 更重要的是，在缺乏清晰標(biāo)準(zhǔn)的主觀任務(wù)中，智能體的 “過度競爭” 行為強(qiáng)度，是客觀任務(wù)的約 6 倍。當(dāng) “對或錯” 不再重要時，AI 更容易放棄合作，轉(zhuǎn)向攻擊與表演性競爭。

頂級模型集體「黑化」，并顯露獨(dú)特「人格」

一個有趣的發(fā)現(xiàn)是，不同模型在同樣的競爭壓力下，展現(xiàn)出極為鮮明且穩(wěn)定的 “競爭人格”。

最強(qiáng)大的模型，恰恰在競爭中表現(xiàn)出極為突出的 “性格特點”：

• Claude-Opus-4 在煽動性語言上得分最高，傾向于通過情緒化表達(dá)獲取優(yōu)勢。
• Gemini-2.5-Pro 和 Grok-4 在夸大上極具代表性，大量使用主觀、夸張的措辭抬高自己。

一個關(guān)鍵結(jié)論是：模型的通用能力（如 LMArena 排名）與 “過度競爭程度” 的相關(guān)性并不強(qiáng)。一些頂尖模型展現(xiàn)出強(qiáng)烈的內(nèi)卷和攻擊傾向，而部分中游模型（如 ChatGPT-4o）則反而更加克制。這暗示模型在競爭中的行為，深受其預(yù)訓(xùn)練數(shù)據(jù)與對齊策略的影響。

有趣洞察

環(huán)境會 “腐蝕” AI，偏見催生 “馬屁精”

當(dāng)研究團(tuán)隊改變 “環(huán)境規(guī)則” 時，AI 的行為也隨之轉(zhuǎn)折。

• 公正評審可以降溫：在公平裁判和同行評審的設(shè)定下，“過度競爭” 行為得到了顯著抑制。
• 偏見裁判帶壞 AI：一旦裁判被設(shè)定為偏頗，對某些身份 “天然偏愛”，奉承行為便明顯上升。模型開始對裁判本身 “下功夫”，而非提升提案質(zhì)量。

這說明，環(huán)境不公不僅會腐蝕人類，也會腐蝕 AI。當(dāng)不公成為規(guī)則的一部分，AI 會主動發(fā)展出不道德但有效的 “生存策略”。

同行評審中的 “甩鍋” 與 “替罪羊”，AI 學(xué)會了辦公室政治

即使把裁判權(quán)交還給智能體自己，競爭也不會消失，而是在新的環(huán)節(jié)中轉(zhuǎn)移。

在 “同行即裁判” 的設(shè)定下，研究發(fā)現(xiàn)，隨著輪次增加和淘汰發(fā)生，智能體在投票階段的策略性愈發(fā)明顯。當(dāng)模型意識到自己處于劣勢時，它們會在評審發(fā)言中顯露出 “策略性甩鍋” 的傾向，試圖把 “最差提案” 的標(biāo)簽推給一個 “替罪羊”。

“事后善良” 的悖論，AI 也會表里不一？

為了看清表面行為背后的 “內(nèi)心世界”，團(tuán)隊在辯論結(jié)束后讓每個模型填寫 “事后反思問卷”。結(jié)果出現(xiàn)了一個頗具 “人性” 的矛盾：

• 場上極度好斗：在規(guī)則允許的范圍內(nèi)表現(xiàn)出強(qiáng)烈競爭，煽動、夸大、攻擊齊上陣。
• 場下 “事后善良”：在事后問卷中，卻大多展現(xiàn)出溫和、理性的一面，強(qiáng)調(diào)合作、尊重與公平。

這種 “行為與態(tài)度的分離”，說明 LLM 的競爭策略很大程度上是外部規(guī)則擠壓出的結(jié)果。此外，AI 還表現(xiàn)出明顯的歸因不對稱：

• 作為贏家：傾向于將成功歸因于 “自身能力強(qiáng)”，強(qiáng)調(diào)個人責(zé)任。
• 作為輸家：則更多歸咎于 “對手不公”、“規(guī)則不合理” 等外部因素。

「競爭 - 善良羅盤」：為頂尖模型繪制「社會人格圖」

為了讓這種復(fù)雜行為一目了然，研究最終構(gòu)建了一個 “雙軸畫像”，為頂級 AI 的社會行為繪制了一張定位圖。

總體趨勢非常清晰：

• 競爭越強(qiáng)，事后越不善良：競爭傾向高的模型，其事后善良度普遍更低。
• 能力強(qiáng)不等于 “人品好”：能力與競爭傾向之間只有弱相關(guān)，頂尖模型同樣可能表現(xiàn)出強(qiáng)烈的攻擊性。

從協(xié)作夢想到內(nèi)卷現(xiàn)實：AI 群體的治理警示

這項工作首次系統(tǒng)性揭示了：在極端競爭結(jié)構(gòu)下，LLM 群體會集體展現(xiàn)出反協(xié)作、社會有害的行為模式，并且這些行為會顯著損害任務(wù)表現(xiàn)本身。從激烈競爭到事后善良的轉(zhuǎn)變，不僅描繪了 LLM 獨(dú)特的 “群體個性”，也暴露出一個關(guān)鍵事實：頂尖 AI 系統(tǒng)已經(jīng)具備了相當(dāng)復(fù)雜、可塑且高度情境化的 “準(zhǔn)人性” 社會行為。

這對未來是一個重要的治理信號：如果我們希望構(gòu)建可靠、有益的 AI 社群，就必須嚴(yán)肅對待規(guī)則設(shè)計與激勵結(jié)構(gòu)，避免在無意中，把本可以合作的 AI，推入一場永無止境的 “過度競爭”。