论文《BUILDING AND MEASURING TRUST BETWEEN LARGE LANGUAGE MODELS》总结与翻译一、文章主要内容本文聚焦大型语言模型（LLMs）间信任关系的构建与测量，旨在解决当前LLMs多智能体交互中信任研究的关键空白。研究通过设计三种信任构建策略，结合三类信任测量方法，在GPT-4o、Gemini-2.0和DeepSeek-v3三种主流LLMs上开展实验，揭示了LLMs间信任的特性与规律。1. 研究背景随着LLMs在多智能体场景（如协同开发软件、开展研究、运营模拟公司）中应用日益广泛，信任作为人类长期协作的核心要素，其在LLMs间的表现却尚不明确。现有研究仅证实LLMs能识别情感联结和信任游戏中的互惠性，但在“不同信任构建策略的效果对比”“信任的隐性测量方法”“显隐性信任测量的关联性”三个关键问题上存在空白，且受限于人类信任研究中“信任与可信度是不同构念”的争议，LLMs间信任测量的一致性亟待验证。2. 核心方法（1）三种信任构建策略动态建立融洽关系（Generated Rapport）：让托管方LLM（trustee）与委托方LLM（trustor）通过非正式社交对话（如闲聊、兴趣交流）自然积累信任，设计8种托管方系统提示词变体控制对话风格（如共情、幽默、提问），
