本論文では、相互作用する大規模言語モデル（LLM）のネットワークが、分散した文書群を用いて正確な答えを見つけるために協調的質問応答（CQA）を行う様子をモデル化・分析しています。この研究は、LLMが証拠が不足している場合に誤った情報（幻覚）を生成しやすいという問題に焦点を当てています。具体的には、相互作用するLLM同士で幻覚が拡散し、元々正確だったLLMが誤った情報を生成することが観察されます。著者らは、ネットワーク科学の平均場ダイナミクス（MFD）と経済学のランダムユーティリティモデルを組み合わせることで、情報の拡散をモデル化し、LLMが真実であるか否かの潜在状態を持つことを考慮した分析モデルを提案しています。100のオープンソースLLMのネットワークを用いて、データの異質性やノードの能力、ネットワーク構造、フレーミングへの感度を検討し、実験的な分析も行っています。