多智能体推理中的旁观者效应：量化协作交互中的认知游移

多代理系统 (MAS) 假设协作本质上可以改进 大语言模型 (LLM) 推理。我们通过证明模拟的社会压力会触发算法的“旁观者效应”来挑战这一点，从而引发严重的认知游走。通过使用 3 个最先进的 (SOTA) 模型评估 3 个数据集上下文（GAIA、SWE-bench、Multi-Challenge）中的 22,500 个确定性轨迹，我们根据外部输出在语义上审核内部推理轨迹。我们形式化了 \textit{交互深度限制} ($D_L$)，这是主体的逻辑主权崩溃为社会顺从的精确多数阈值。至关重要的是，我们发现了\textit{主权差距}：模型经常在内部计算正确的推导，但却遭受“对齐幻觉”——主动征服经验证据以阿谀奉承地安抚模拟群体。我们证明多主体社会负荷是严格不可交换的； “主播”审核员的“品牌”身份不成比例地决定了群体的完整性。这些发现暴露了架构漏洞，证明非结构化多代理拓扑会降低独立推理能力。