arXiv cs.MA· Disha Sheshanarayana, Rajat Subhra Pal, Manjira Sinha, Tirthankar Dasgupta·· 10 小时前AI 评分58
Phantom Consensus：多智能体 LLM 决策中的社会推理基准 PHANTOM-Bench
Phantom Consensus: Measuring Social Reasoning in Multi-Agent LLM Decision-Making
AI 导读
论文提出多智能体 LLM 中的 phantom consensus 现象，即模型在观察到模糊社会信号后改变公开决策，并错误估计其他智能体的私下判断，即使群体记录的私下判断并不支持这种表面共识。
正文 · AI 翻译
摘要：多智能体 LLM 系统越来越多地在多个模型实例之间汇总判断，但对他者的推理本身可能引入失败。我们研究这样一种情形：LLM 在观察到模糊的社会信号后改变其公开决策，同时报告对其他智能体私下判断的不准确估计，即使群体记录的私下判断并不支持表面上的共识。我们将这一失败称为幻影共识（phantom consensus），并将其作为受控 LLM 集体中一种多元无知式模式加以研究。为测量这一现象，我们提出 PHANTOM-Bench，该基准将孤立的私下判断、模糊社会信号后的公开决策、对群体私下判断的诱导估计、基于透明度的恢复，以及对中性公开文本和显式跟随投票的对照分离开来。在九个闭源与开源权重模型上，模糊的公开信号一致地降低决策质量，并可能将正确的群体私下判断转变为错误的公开集体结果。公开准确率最多下降 47.8 个百分点，在最易受影响的设置中集体理性失败率达到 47.3%。我们观察到，在公开阶段失败的同时，所报告的群体私下信念也存在大量误差，而对照条件揭示了模型在易受模糊与显式同伴信号影响方面的差异。揭示智能体记录的私下决策可在不揭示金标准标签的情况下修复许多失败，尽管恢复程度因模型而异。我们的结果表明，评估多智能体 LLM 系统不仅需要测量最终一致性，还需要测量该一致性反映的是独立测量的私下判断，还是表面上的共识。
| 评论： | 已被 NeurIPS 2026 SocialAgent Workshop 接收 |
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.08971 [cs.MA] |
| （或 arXiv:2611.08971v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08971 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Disha Sheshanarayana [查看电子邮件]
[v1]
2026年11月6日星期五 04:33:59 UTC（1,164 KB）
来源：arXiv cs.MA · arxiv.org