符号推理框架触发多智能体 LLM 系统中记忆介导的生态系统动力学

大语言模型 作为战略代理表现出规避风险的“海龟”偏见。我们表明，将符号推理框架作为每轮反射提示注入一个智能体中，会起到一种小扰动的作用，其后果不是每次决策，而是突现的：智能体的风险态势孤立地保持不变，但通过积累记忆和多智能体交互的活动，条件会进入不同的、与条件相关的获胜者生态系统。在 7 人战国外交变体（61 场比赛，6 个条件）中，获胜者分布在四个主要条件（41 场比赛；排列综合 p 约 0.001）上差异很大：控制 -> 燕 (7/11)；控制 -> 燕 (7/11)；易经西洋蓍草 -> 燕/楚共霸与秦完全压制 (0/10);塔罗牌->琴(5/10);乱码文本消融 -> Qi (5/10)。乱序->Qi 吸引子是稳健的（与合并和单独控制相比，p = 0.006 和 0.012）； tarot->Qin 取决于分母（合并为 0.006，相对于对照为 0.064）。 Han 从未获胜，并且没有表现出生存差异（Fisher p = 1.0）；这两个框架的内容都没有预测动作（卡方 p = 0.95 六角星，0.69 塔罗牌）。无记忆决策隔离探测（960 次调用）显示，该过程不会单独改变代理的风险态势（弗里德曼 p = 0.45；易经 p = 0.60；塔罗牌扰乱移动内容但不扰乱风险，p = 0.021）。分离欧蓍草的决策时间和学习时间组件的 2x2 阶乘揭示了非加性相互作用：每个组件单独冻结棋盘（50-60% 僵局），组合它们产生零（排列 p ~ 5e-5）。测试将秦的压制重新定位到由战役记忆深度而非神谕控制的对手（楚）扩张（p = 0.55）。我们将其作为一篇观察论文提出：主体级框架选择产生独特的、非加性的系统级后果，通过涌现记忆和多主体动态传递，而不是每决策效应。