别让LLM读图：让图去思考

我们研究显式信念图能否提升LLM在合作式多智能体推理中的表现。通过在合作卡牌游戏Hanabi中跨四个LLM家族的3000余次受控试验，我们确立了四项发现。第一，集成架构决定信念图是否有价值：作为提示上下文时，图对强模型只是装饰，仅在弱模型上对二阶心智理论（2nd-order Theory of Mind）任务有益（80%对10%，p<0.0001，OR=36.0）；而当图通过排序短名单门控动作选择时，它对强模型也成为结构上的必需品（二阶ToM上100%对20%，p<0.001）。第二，我们识别出“Planner Defiance”（规划器违抗），一种特定于模型家族的失败模式：LLM在能力仅属中等时推翻正确的规划器建议（90%的推翻率，重复N=20）；Gemini模型几乎不违抗，而Llama 70B违抗率达90%，且模型能区分事实性上下文（会遵从）与建议性推荐（会推翻）。第三，完整对局的证据证实智能体间约定（较基线+128%，p=0.003）优于所有单智能体干预，且信念图的各组件必须组合起来才能产生增益。第四，初步的规模分析（每格N=10，探索性）提示图深度收益递减：浅层图具有最佳性价比，而更深的ToM图在玩家数较多时似乎有害（5人局中-1.5分，p=0.029）。