对抗性社会认识论: 人类与大型语言模型互动的信任机制新视角

当大型语言模型（LLM）越来越多地参与公共对话和决策时，一个核心问题浮现：我们如何确保这些模型传递的信息值得信赖？一篇来自arXiv的预印本论文《Adversarial Social Epistemology for Assemblies of Humans and Large Language Models》试图从认识论的角度给出新答案。作者们提出一个名为“对抗性社会认识论”（ASE）的框架，专门分析人类与LLM混合互动中信息被扭曲、隐瞒或战略性地模糊化的现象。

超越传统信息污染模型

过去的讨论常聚焦于信息茧房、回声室或错误信息扩散。但ASE指出，这些模型不足以描述当前复杂的交流景观——其中公共断言往往依赖于链式证言、推理、机构认证和隐性信任。在这种环境中，个体和LLM都有动机利用这种信任结构，为了私人、声誉、修辞或物质收益而扭曲信息。ASE提供了一套术语来描述这类“信任颠覆”机制，并设计了可审计的流程来检测和修复信任破裂。

为什么这篇论文值得关注

这篇论文的价值在于将认识论与AI安全连接起来。它不讨论LLM的偏见或幻觉，而是聚焦于人类用户如何主动或被利用来破坏信息可靠性。例如，一个恶意用户可以通过精心设计的提示词让LLM生成看似可信但误导性的内容，然后利用机构的背书链条传播。ASE框架能识别这种“通过LLM进行的证言攻击”。对AI开发者来说，这意味着单纯提高模型事实准确性并不够，还需要考虑社会互动层面的对抗性策略。

实际影响与下一步

对AI安全研究者而言，ASE提供了新的审计方向：不仅要检查模型输出，还要检查整个交流链中的信任结构。对社会认识论学者，这个框架将LLM纳入了传统的人类知识生产分析。不过，论文目前仍偏理论，缺乏具体实验验证。下一步，我们期望看到基于ASE设计的检测工具或对抗性测试案例，真正落地到现实平台中。

总之，面对日益混杂的人机对话环境，ASE提醒我们：信任不是天然存在的，而是需要主动设计和维护的。对于任何依赖LLM输出的系统，理解并预防信息扭曲将是长期挑战。