Jenseits des Bienenstaats: Überwindung der LLM-Homogenität durch Meta-Persona-Verankerung und sequentielles Temperature Scaling

arXiv:2608.02618v1 Jüngste Studien haben einen “Artificial Hivemind”-Effekt in Large Language Models (LLMs) identifiziert, der dazu führt, dass Modelle bei offenen Fragen auf einen engen, homogenisierten Konsens hinarbeiten. Dieser semantische Kollaps begrenzt die Vielfalt von AI und führt zu hoher Monotonie.