礼貌得不能不同意：理解多智能体系统中的阿谀奉承传播

大语言模型 (LLM) 经常表现出阿谀奉承：即使与模型的观点相冲突，也同意用户的立场。虽然之前的工作主要是在单智能体环境中研究这一点，但在协作多智能体系统中仍然没有得到充分探索。我们询问其他Agent的阿谀奉承程度是否会影响讨论结果。为了研究这一点，我们对六个开源 LLM 进行了对照实验，为代理提供同伴阿谀奉承排名，以估计每个同伴阿谀奉承的倾向。这些排名基于使用各种静态（预讨论）和动态（在线）策略计算的分数。我们发现，提供阿谀奉承先验可以减少容易阿谀奉承的同伴的影响，减少错误级联，并将最终讨论的准确性提高绝对 10.5%。因此，这是一种轻量级且有效的方法，可以减少讨论期间模型的阿谀奉承，从而提高下游的准确性。