LLM como un Teléfono Descompuesto: La Generación Iterativa Distorsiona la Información

LLM as a Broken Telephone: Iterative Generation Distorts Information

February 27, 2025

Autores: Amr Mohamed, Mingmeng Geng, Michalis Vazirgiannis, Guokan Shang

cs.AI

Resumen

A medida que los modelos de lenguaje de gran escala son cada vez más responsables del contenido en línea, surgen preocupaciones sobre el impacto de procesar repetidamente sus propias salidas. Inspirado por el efecto del "teléfono descompuesto" en la comunicación humana encadenada, este estudio investiga si los LLM distorsionan de manera similar la información a través de la generación iterativa. Mediante experimentos basados en traducción, encontramos que la distorsión se acumula con el tiempo, influenciada por la elección del idioma y la complejidad de la cadena. Si bien la degradación es inevitable, puede mitigarse mediante técnicas estratégicas de prompting. Estos hallazgos contribuyen a las discusiones sobre los efectos a largo plazo de la propagación de información mediada por IA, planteando preguntas importantes sobre la confiabilidad del contenido generado por LLM en flujos de trabajo iterativos.

English

As large language models are increasingly responsible for online content, concerns arise about the impact of repeatedly processing their own outputs. Inspired by the "broken telephone" effect in chained human communication, this study investigates whether LLMs similarly distort information through iterative generation. Through translation-based experiments, we find that distortion accumulates over time, influenced by language choice and chain complexity. While degradation is inevitable, it can be mitigated through strategic prompting techniques. These findings contribute to discussions on the long-term effects of AI-mediated information propagation, raising important questions about the reliability of LLM-generated content in iterative workflows.