複数の大規模言語モデル（LLM）を組み合わせたシステムが自律的に生成を行う際、意外な問題が生じることが明らかになった。arXivに発表された研究によると、こうしたシステムがクローズドループで動作する場合、セマンティック・コラプス（意味的崩壊）という現象が発生するという。これは表面的には異なる語彙が使用されているにもかかわらず、内在する意味表現が体系的に収束していく現象を指している。 研究チームが複数のモデルファミリーを対象に200から1,000ラウンドの長期シミュレーションを実施したところ、このパターンは一貫して観察された。興味深いことに、デコーディングパラメータの調整、プロンプト設計の工夫、エージェント構成の変更、アクティベーション・エンジニアリング、強化学習など、12種類に及ぶ介入戦略が試みられたにもかかわらず、セマンティック多様性を回復させることはできなかった。 メカニズム分析の結果、このセマンティック・コラプスはアライメントやコンフォーミティバイアスでは説明できず、むしろ自己回帰生成に内在する基本的性質と一致していることが示唆された。研究成果は、クローズドループ環境における複数LLMシステムが、開放的な知識生産を持続させる能力に根本的な制約が存在することを指摘している。この発見は、マルチエージェントシステムの設計や応用において重要な含意を持つものとなっている。