arXiv cs.AI· Hajime Shimao, Warut Khern-am-nuai·· 10 小时前AI 评分26
确定性 LLM 审议中的低边际分支点：五智能体委员会白盒审计
Low-Margin Branch Points in Deterministic LLM Deliberation
AI 导读
一项白盒审计在五智能体委员会、贪心解码下考察确定性 LLM 审议的局部分支敏感性：低边际 token 位置比高边际对照更易触发转录分歧，匹配的降边际梯度方向也比升边际对照更常引发分支。
正文 · AI 翻译
摘要：确定性的多智能体 LLM 审议可以精确重放固定的对话记录，但仅靠精确重放并不能检验系统对受控内部干预的局部抵抗能力。由于每个回复都会成为后续智能体的上下文，一个被改变的贪婪 token 就可能改变由对话记录中介的执行走向。我们针对五智能体委员会在贪婪解码下的这一局部失效模式开展白盒审计。我们预先选取低边际与高边际的 token 位置，要求精确无操作重放，注入相对于范数的残差位移，并测量十个生成 token 内的首次对话记录分歧。低边际位置比高边际对照更易产生分支，而匹配的降低边际的梯度方向比提高边际的对照显著更频繁地产生分支。随后我们将选定的已实现分支继续通过委员会推进，以区分文本层面的持续性与偏好及最终决策的变化。本工作的贡献是在这一特定协议下对局部分支易感性进行受控审计，而非估计部署频率、决策正确性，或某种多智能体系统独有的现象。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.00546 [cs.AI] |
| （或本版本的 arXiv:2611.00546v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2611.00546 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hajime Shimao [查看邮箱]
[v1]
2026 年 10 月 31 日星期六 02:01:39 UTC（108 KB）
[v2]
2026 年 11 月 9 日星期一 22:12:06 UTC（108 KB）
来源：arXiv cs.AI · arxiv.org