重要的代理：微妙的选择如何影响多代理系统中的代理归因

随着多智能体系统 (MAS) 变得越来越复杂，识别智能体的贡献对于系统优化至关重要。然而，现有的方法缺乏统一的学分分配公式。在这项工作中，我们将代理归因形式化为一种合作游戏，由联盟分布、干预协议和目标指标进行参数化。使用这个框架，我们证明干预协议会引发不同的游戏：代理消融隔离结构瓶颈，而内省的 LLM 法官无法忠实地近似这种行为。我们进一步发现，留一法（LOO）识别瓶颈代理与组合方法一样有效，但计算成本要低得多。将即时优化视为一种干预方案，我们表明即时条件归因可以识别优化目标并提高 MAS 性能。最后，我们应用我们的框架来审计医疗 MAS，揭示了代理对诊断准确性和道德行为的贡献通常是脱钩的。通过干预适得其反的角色，我们观察到道德一致性的增加，同时保持了诊断的准确性。总体而言，这项工作为具有成本效益的 MAS 归因和干预提供了原则性方法。