通过信息网络引导多智能体 LLM 系统的涌现行为

本文已被 Sepehr Ilami 撤回

摘要：大型语言模型（LLM）智能体越来越多地以群体形式运行，每个智能体追求各自的目标，同时共同决定系统性能。如果运营者能够控制哪个智能体观察哪个其他智能体，但无法控制它们的收益或消息，那么应如何组织观察结构以提升集体福利？我们将信息网络（谁观察谁）作为设计对象，使其与智能体行动所依赖的固定交互网络解耦。十个相同的 LLM 智能体参与重复的群体决策博弈；默认情况下，每个智能体只能观察到群体上一轮结果的匿名摘要，而拥有固定预算的管理者会添加有向观察链接，以揭示同伴的过往行动。在涵盖协调、反协调、社会困境和发现问题的 1,080 个回合和六种博弈中，我们研究了应共享多少信息，以及在固定预算下谁应观察谁。信息披露会产生行为耦合：观察充当传染渠道，其福利效应取决于个体有吸引力的行为与集体目标之间的一致性。第一，信息的价值取决于一致性：当个体行为与集体目标一致时，更多同伴信息往往有帮助或保持中性，但在搭便车或拥堵外部性下，它会放大对集体有害的行为；在公共物品博弈中，群体在完全没有信息时表现最佳。我们将这种符号分离解读为同一受控 LLM 群体内的跨博弈规律，而非模型无关的定律。第二，在固定预算下，谁观察谁主要在耦合有害时才重要：一种模块化的“杠铃”结构会让子群体固化有害行为，可靠地成为最差的连接方式，这颠覆了人类演化博弈论中的网络互惠直觉。这些结果反对将完全透明作为智能体集体的默认设置。

评论：	该文为初步版本，尚不适合公开发布
主题：	多智能体系统（cs.MA）；人工智能（cs.AI）；计算机科学与博弈论（cs.GT）；社会与信息网络（cs.SI）
ACM 分类：	I.2.11
引用为：	arXiv:2611.11714 [cs.MA]
	（或 arXiv:2611.11714v2 [cs.MA] 查看此版本）
	https://doi.org/10.48550/arXiv.2611.11714 由 DataCite 颁发的 arXiv DOI

提交历史

发件人：Sepehr Ilami [查看邮箱]
[v1] 2026年11月9日星期一 00:18:26 UTC（277 KB）
[v2] 2026年11月10日星期二 22:49:42 UTC（1 KB） （已撤回）