Счётчик популярности сузил круг научных статей, которые выбирают ИИ-агенты

Агенты на GPT-5.6 Sol, видевшие, сколько предшественников выбрали каждую статью, отбирали для чтения меньше работ и чаще сходились на одних и тех же, показал в препринте¹ экономист ЕБРР² Максим Чупилкин.

Почему это важно: системы вроде Co-Scientist³ и Robin⁴ уже поручают агентам искать литературу и выдвигать гипотезы. Если агенты видят выбор друг друга, их общее внимание сужается, даже когда каждому доступны все работы.

Как это работает: Чупилкин перенёс на ИИ-агентов «Музыкальную лабораторию» (Music Lab) — опыт 2006 года, где исследователи проверяли, как счётчики популярности влияют на успех песен.

• Каждый из 1 000 агентов — отдельный запрос к GPT-5.6 Sol, без памяти, инструментов и заданной роли.
• Агент получал названия и аннотации всех 114 исследовательских статей, вышедших в 2025 году в American Economic Review, ведущем экономическом журнале.
• Он отмечал, какие статьи прочитал бы целиком, причём число не ограничивалось и можно было не выбрать ни одной.
• Агентов разбили на десять сообществ по 100: в пяти каждый видел счётчик выборов своих предшественников, в остальных пяти счётчика не было.

В цифрах:

• Со счётчиком агент выбирал в среднем 14,3 статьи, без него — 17,3, то есть на 17% меньше.
• Пять сообществ со счётчиком вместе хоть раз выбрали 73 статьи из 114, пять сообществ без него — 90.
• Со счётчиком 80% всех выборов в сообществе приходились в среднем на 13 статей, без него — на 23.

Детали: счётчик в основном стягивал выбор к статьям, которые агентам нравились и без него, но не только.

• Порядок статей по популярности в двух вариантах почти совпал, а одну работу выбрали все 1 000 агентов.
• Случайный ранний перевес закреплялся: статья, которую первые десять агентов выбирали на 10 процентных пунктов чаще, дальше в среднем опережала на 3,1 пункта, а без счётчика — лишь на 0,2.
• Сообщества со счётчиком сильнее отличались друг от друга тем, какие статьи и в какой доле выбирали.

Интрига: во втором опыте автор приписал статьям фальшивую популярность, и она сработала.

• В 20 новых сообществах по 10 агентов половина из 20 статей, которые без счётчика выбирали от 10 до 70% агентов, начинала с пяти выборов, а в парном сообществе — другая половина.
• Со стартовой форой статью выбирали 60% следующих агентов, без неё — 14,5%, и перевес был во всех десяти парах.
• Раз статьи в парах одни и те же, разницу не объяснить их содержанием.

Общая картина: в этом году в Nature вышло исследование, которое связало использование ИИ-инструментов с сужением круга тем в науке. Чупилкин изучает другое звено — как ИИ-агенты делят внимание между уже вышедшими работами.

Но: в опыте участвовала одна модель в режиме коротких рассуждений, а агенты лишь составляли список чтения, не тратя времени на сами статьи. Работа пока не прошла рецензию, данные и код автор обещает открыть после публикации.

Что дальше: автор предлагает сравнить счётчики популярности с рекомендациями, которые подсвечивают незамеченные статьи, и с разделением поиска между агентами. Затем стоит проверить, приводит ли более широкий круг прочитанного к лучшим гипотезам и выводам.

Выбор агентов слабо совпадал с цитируемостью статей и почти не совпадал с числом их скачиваний. По мнению автора, у ИИ-читателей складывается своё распределение внимания.