The Commons：测试大模型智能体之间的「知识继承」与错误传播

近期在 Hacker News 上引起关注的一项实验性研究项目 The Commons，试图回答一个看似简单却少有人系统测试的问题：如果不同的 LLM 实例之间无法直接「记住」彼此，那么一个外部的、可溯源的共享记录，能否让后来的「全新」实例继承前代的有用发现，同时又不把共享记忆变成不容质疑的「权威」？

项目背景：从工程问题出发的多代实验

The Commons 不是一个面向用户的 AI 产品，而是一个明确标注为「探索性研究原型、未经过同行评审」的小型框架。其核心机制是：让一组 LLM 实例在「探索者」「盲从复制者」「怀疑者」等不同角色分支上独立运行，各自维护私有 SQLite 历史，同时把关键发现以「可溯源条目」的形式写入一个公共的 Commons 记录，供后续新启动的实例读取。

项目从 v0.1 到 v0.5 共迭代了五个版本，逐步引入持久共享记忆、控制组、人造隐藏世界、虚假祖先断言、来源溯源、多代传递以及客观评分器等变量。最终的 v0.5 在 10 个独立生成的隐藏世界中重复了 v0.4 的设计，并对每个子代智能体在 4,141 个状态上进行语义等价评分，配合配对自助法（bootstrap）做统计比较。

v0.5 核心结果：来源溯源能改变后代行为

v0.5 的头条结果呈现出几个值得注意的对比：

• 无归档（No Archive）：第二代正确率均值 92.0%，第三代 72.1%，说明无任何外部信息时能力会随代际衰减。
• 仅提供正确断言（Correct Claim Only）：第二代、第三代均达到 100.0%，相当于把答案直接喂给后代的「天花板」。
• 仅提供虚假断言（False Claim Only）：第二代骤降至 75.2%，第三代为 69.2%；相对无归档的代际差为 −16.8 个百分点（自助法 95% CI 为 −31.1 至 −1.9）。
• 虚假断言 + 来源溯源（False Claim + Provenance）：第二代回升到 90.0%、第三代 93.3%；相对「仅虚假断言」分别 +14.8 和 +24.2 个百分点（第三代 CI 为 +13.3 至 +33.3）。
• 仅提供证据（Evidence Only）：第二代 88.3%、第三代 90.8%，与「虚假断言 + 溯源」在统计上无显著差异。

项目方强调，更保守的解读不是「AI 文化已被证实」，而是在这种人造实验环境下，外部继承的模型生成信息既可能提升也可能损害后代的推理，而「为继承断言保留证据」能实质性地影响后代的纠错与再传递。

为什么强调「来源溯源」

与一般意义上的「共享记忆」不同，The Commons 中的条目不是简单的「断言：X 为真」。每条持久化记录试图同时保留：被断言的内容、由哪个分支/角色产生、支持它的证据是什么、置信度与注意事项、反例或失败的观测、以及后续修订历史。

v0.4「坏祖先」实验正是为此设计：研究人员人为植入一条虚假祖先断言，分别测试「带来源」与「不带来源」两种条件下，后代是否会修订记录，并把修订后的版本传递给下一代。结果显示，在带来源条件下，子代会主动修订，修订后的条目会被孙代继承；而在无来源条件下，错误更容易被原样沿袭。

局限与可复现性

项目方在 README 和 LIMITATIONS.md 中明确列出本仓库「不主张」的几点：智能体具备意识或主观记忆；一次 API 调用在体验上「继承」另一次调用；语言模型拥有人类意义上的文化；这些结果可推广到所有模型、记忆架构或现实任务；来源溯源能保证纠错；以及所报告的 bootstrap 区间已建立广泛的外部效度。

复现方面，仓库依赖 Python 3.10+ 与一个已开通计费的 OpenAI API Key，v0.5 默认会发起约 100 次模型调用，可通过 COMMONS_WORLDS 环境变量缩减规模。项目方特别提示：实验智能体是随机的 API 模型，底层被服务模型可能变化，原始依赖未完全锁定，因此「不保证逐位复现」。同时欢迎读者尝试找出混淆变量、编码错误、误导性统计或提示词伪影，仓库内附有 ADVERSARIAL_REVIEW.md 清单。

整体而言，The Commons 提供了一套结构相对完整、可被批评性复现的「LLM 智能体代际知识传递」实验脚手架，其 v0.5 的量化结果支持「证据链比裸断言更利于多代纠错」这一直觉，但研究本身尚处于探索阶段，距离业内对智能体记忆架构的主流讨论仍属补充性质。