arXiv cs.AI· Sahil Rajesh Dhayalkar·· 13 小时前AI 评分52
论文称网络拓扑不影响 LLM 群体共识，经典共识理论在 LLM 群体中失效
Network Topology Does Not Matter: The Breakdown of Classical Consensus in LLM Populations
AI 导读
arXiv 论文《Network Topology Does Not Matter》指出，经典分布式共识理论的三项基础假设在 LLM 群体中不成立。作者从 8 个指令微调模型的 token 概率中确定性提取连续置信度，基于 73,080 次受控交互实测 LLM 更新算子，发现模型会更新到观测意见凸包之外，出现负权重的主动排斥。
正文 · AI 翻译
摘要：随着多智能体语言模型网络被广泛部署，预测其集体行为成为一项关键挑战。经典分布式共识理论依赖网络拓扑来预测收敛，其结构上假设智能体的更新是凸组合、总体均值守恒且权重与内容无关。在本工作中，我们证明这些基础假设对大语言模型（LLM）并不成立。通过确定性地从八个指令微调模型和 73,080 次受控交互的 token 级概率中提取连续置信度，我们直接测量了经验 LLM 更新算子。我们发现 LLM 系统性地违反凸性，其更新落在观测意见凸包之外，表现出主动排斥（负权重），这从根本上破坏了行随机建模和标准的有界置信修复。将这些经验拟合的算子扩展到 10,000 个智能体的模拟中，结果表明代数连通性几乎无法解释最终结果方差的任何部分。相反，群体动态完全由模型的内部更新偏差和消息框架所支配。因此，包括参数高达 7B 的模型在内的多个模型群体，无论其网络结构如何，都能可靠地累积微小的局部漂移，从而对客观上错误的说法达成自信的一致。我们的结果证明，经典图论指标对 LLM 群体并不适用，凸显了一个深刻的部署风险：多智能体审议会可预测地饱和于集体妄想之中。
| 评论： | 19 页，3 幅图，3 张表 |
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37699 [cs.MA] |
| （或 arXiv:2610.37699v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37699 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sahil Rajesh Dhayalkar [查看电子邮件]
[v1]
2026 年 10 月 24 日星期六 20:11:34 UTC（797 KB）
来源：arXiv cs.AI · arxiv.org