arXiv cs.AI· Jin Gao·· 11 小时前AI 评分26
如何衡量 AI 智能体网络中的共识形成
Measuring Consensus in AI Agent Networks
AI 导读
研究提出一个评估框架，将 AI 智能体的共识形成视为公开立场向共同区域演化的过程，并追踪立场轨迹、群体离散度与公开消息中的信息。基于 1,872 次完整运行的实验显示，分享解释与更准确的群体决策相关，而涉及重复信息与已取消合同的任务虽聚合答案准确，智能体间仍存在持续分歧。
正文 · AI 翻译
摘要：随着 AI 智能体通过网络日益互联，并承担需要协商与联合决策的任务，需要一种系统化的方法来评估它们的观点如何趋同，以及哪些信息支撑其决策。我们提出一个评估框架，将共识形成视为公开陈述的立场向共同区域演进的过程，并以累积的通信历史作为上下文。该框架追踪立场轨迹、群体离散度以及公开消息中表达的信息。两个案例研究分别考察基于分布式事实的人员配置决策，以及要求智能体协调重复信息和一份已取消合同的决策。来自 1,872 次完整运行的结果表明，分享解释与更准确的群体决策相关；而第二个任务则显示，尽管总体答案准确，分歧依然持续存在。成员变更实验提供了补充性评估。通过将智能体之间的趋同与向任务全信息答案的推进相分离，该框架将决策准确性和有限分歧与交流过程中可获得的信息联系起来。
| 评论： | 4 页。已被 IEEE TPS-ISA 2026 的 NANDA Workshop 接收 |
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.24833 [cs.MA] |
| （或 arXiv:2610.24833v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.24833 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jin Gao [查看电子邮件]
[v1]
2026 年 10 月 17 日星期六 19:29:07 UTC（204 KB）
来源：arXiv cs.AI · arxiv.org