多智能体 LLM 系统中的多样性崩溃：开放式创意生成中的结构耦合和集体失败

多智能体系统 (MAS) 越来越多地用于开放式创意生成，其驱动力是集体交互将扩大探索多样性。然而，这种协作何时以及为何真正扩大解决方案空间仍不清楚。我们对基于 MAS 的构思多样性进行了系统的实证研究，涵盖三个自下而上的层次：模型智能、主体认知和系统动力学。在模型层面，我们发现了一个计算效率悖论，即尽管每个样本的质量较高，但更强大、高度一致的模型会产生边际多样性递减。在认知层面，与初级群体相比，权威驱动的动态抑制了语义多样性。在系统级别，组规模缩放会产生收益递减，而密集的通信拓扑会加速过早收敛。我们将这些结果描述为结构耦合中出现的集体失败，在这个过程中，交互无意中收缩了智能体的探索并引发了多样性崩溃。我们的分析表明，这种崩溃主要源于交互结构，而不是固有的模型不足，这凸显了在为创造性任务设计 MAS 时保持独立性和分歧的重要性。我们的代码可在 https://github.com/Xtra-Computing/MAS_Diversity 获取。