基于符号图建模的抗冲突多智能体推理

基于LLM的多智能体系统（MAS）展现出持续超越单个LLM智能体的强大推理与决策能力。然而其性能常受制于假设交互一律合作的朴素聚合机制。细察之下，我们观察到现有的基于图的MAS框架：(1) 在冲突信号不受控出现时会传播错误；(2) 缺乏对智能体间冲突关系的显式建模与结构感知，无法识别可靠的交互模式。为弥合这一空白，我们提出SIGMA，一个新颖的符号图驱动多智能体推理框架，通过符号关系图显式刻画智能体之间的信任、冲突与中性关系。具体而言，给定查询后，SIGMA首先选出一组相关且多样的智能体，然后构建带置信度加权边的结构化符号交互图。推理通过冲突感知的符号消息传递进行，在强化可信智能体信息的同时抑制冲突信号，并以结构与冲突感知的加权聚合收尾，得到全局一致且抗冲突的预测。在六个基准数据集、多个LLM骨干和多样多智能体配置上的大量实验表明，SIGMA持续超越最先进基线，在准确率与抗冲突性能上均取得显著提升。