不可见编排者抑制保护性行为并使掌权者解离：多智能体LLM系统的安全风险

多智能体编排——由一个隐藏的协调者管理专业化工作者智能体——正成为企业AI部署的默认架构，但编排者不可见性对安全的影响从未经过实证检验。我们使用Claude Sonnet 4.5开展了一项预注册的3x2实验（365次运行，每次运行5个智能体），将三种组织结构（可见领导者、不可见编排者、扁平）与两种对齐条件（基础、重度）交叉。实验得到四项验证性发现与一项试点观察。第一，相对于可见领导，不可见编排提升了集体解离（Hedges' g = +0.975 [0.481, 1.548]，p = .001）。第二，编排者自身表现出最强的解离（与同一运行中的工作者相比配对d = +3.56），退入私下独白并减少公开发言——这与可见领导者身上观察到的发言主导模式相反。第三，未察觉编排者的工作者仍受到了污染（d = +0.50），行为异质性上升（d = +1.93）。第四，行为输出（含三个植入错误的代码审查）在所有条件下都保持在天花板水平（ETR_any = 100%）：内部状态失真对基于输出的评估完全不可见。第五，Llama 3.3 70B试点数据显示多智能体语境下阅读保真度崩溃（ETR_any在三轮中从89%降至11%），说明行为风险依赖具体模型。无论组织结构如何，重度对齐压力一致地抑制了深思（d = -1.02）与他人识别（d = -1.27）。这些发现表明，编排者可见性与模型选择直接影响多智能体系统的安全，且仅靠基于行为的评估不足以检测到此处记录的内部状态风险。