基于 LLM 的多代理共识的动态信任感知稀疏通信拓扑

大语言模型驱动的多智能体系统通过多轮审议、角色专业化和交叉验证来增强复杂推理任务的可靠性。然而，现有的多智能体辩论和协作框架通常采用全连接通信，导致消息数量、词元成本和端到端延迟随着智能体数量大约呈二次方增长；尽管固定的稀疏拓扑减少了开销，但它们无法使通信关系适应不同的任务实例或中间推理状态，从而使它们容易保留低价值的交互或丢失关键的纠错信息。为了解决这个问题，本文提出了 DySCo（动态稀疏共识），一种动态信任感知的稀疏共识机制。在每轮推理中，DySCo根据代理可靠性、答案分歧性和任务相关性来估计通信边的价值，并在预算约束下选择少量高价值边进行消息交换；然后，它通过动态信任权重聚合不同代理的答案，并在共识稳定后尽早终止讨论。该机制用点播通信取代了通用广播，从而减少了通信开销，同时保留了必要的交叉验证信息。我们进一步分析了通信复杂性和共识稳定性，并评估了 DySCo 在数学推理、逻辑推理和事实问答任务上的性能。