Agent群体能培养知识精英吗？ LLM多智能体系统中集体认知的隐幂律

大语言模型 (LLM) 多智能体系统越来越多地部署为交互智能体社会，但扩展这些系统通常会产生收益递减或不稳定的结果，其原因仍然知之甚少。我们首次对基于 LLM 的多智能体系统中的协调动力学进行大规模实证研究，引入了原子事件级公式，将推理重建为协调级联。通过分析超过 150 万次跨任务、拓扑和规模的交互，我们发现了三个耦合法则：协调遵循重尾级联，通过优先依附知识精英进行集中，并随着系统规模的增长产生越来越频繁的极端事件。我们表明，这些效应通过单一结构机制耦合：集成瓶颈，其中协调扩展随着系统规模而扩展，而整合则不会，从而产生大型但弱集成的推理过程。为了测试这种机制，我们引入了赤字触发积分（DTI），它可以在不平衡的情况下选择性地增加积分。 DTI 可以精确地提高协调失败的性能，而不会抑制大规模推理。总之，我们的结果建立了集体认知的定量法则，并将协调结构确定为理解和改进可扩展多智能体智能的基本的、以前未测量的轴。