面向受保护多智能体LLM协调的认知概率模型

多智能体大型语言模型（LLM）在应用AI中已无处不在，但其理论基础仍出奇地缺乏研究。从多智能体系统理论的视角看，若干缺陷显现：缺乏社会智能、智能体间缺乏协调机制、涌现行为未知，以及智能体间受自然语言限制的交互。我们解决其中两个缺口：社会行为的缺失和智能体间协调机制的缺乏。我们提出认知概率语言智能体（EPLA），一种面向不确定性下多智能体协调的神经符号架构。符号守卫（Symbolic Guard）提供结构化诊断反馈。LLM生成类型化动作，守卫依据权威符号状态控制其执行。我们通过认知彩票八卦模型在八卦测试床中形式化认知层，该模型把基于视图的呼叫历史与按智能体索引的概率权重相结合。我们认为实现这样的形式化可以弥补智能体LLM的缺陷。