Naukowcy zbudowali zamknięty system dynamiczny modelujący, jak agenci zasilani przez duże modele językowe dochodzą do wspólnych wniosków poprzez wieloetapową deliberację. Każdy agent posiadł ukrytą wewnętrzną wiarę zwaną zakotwiczeniem, która ciągle oddziałuje na jego publiczne stanowisko niezależnie od wpływu pozostałych uczestników. To wyjaśnia kluczową obserwację: pewność agenta w poprawną odpowiedź może rosnąć nieograniczenie, przekraczając początkowe zakresy opinii wszystkich uczestników.
Klasyczne modele dynamiki opinii, takie jak DeGroot czy Friedkin–Johnsen, uwzględniają tylko wpływ grupy i nie mogą wyjaśnić tego zjawiska. Nowy model jest bardziej realistyczny dla ludzi i sztucznych agentów, gdyż łączy zarówno efekt stadny (ciśnienie grupy), jak i autonomię indywidualną (zakotwiczenie). Naukowcy pokazali, że zakotwiczenie można odzyskać bezpośrednio z przebiegu deliberacji, bez dostępu do wewnętrznych stanów modelu.
Weryfikacja na trzech rodzinach open-weight modeli (w tym Llama) ujawniła spektrum behawiorów: wszystkie wykorzystują zakotwiczenia, ale ich siła i pozycja względem opinii początkowych różnią się między modelami. Zakotwiczenia o dużym przesunięciu względem otwierającego się zakresu opinii wymuszają pełny model zamknięty, podczas gdy bliskie zakotwiczenia mogą być przybliżone modelami prostszymi. To daje praktyczne narzędzie do przewidywania, czy deliberacja rzeczywiście korzysta z tego mechanizmu czy jest przypadkowa.