多模态评估器偏好崩溃：自进化智能体中的跨模态耦合

当人工智能代理使用语言模型在反馈循环中评估自己的输出时，就会出现系统偏差。我们表明，评估者偏好崩溃（EPC）在多模式环境中显着放大。使用 GPT-4o 跨文本和视觉任务评估 DeepSeek-chat，我们发现单一策略 (step_by_step) 吸收了所有权重的 48.4%，是纯文本自我评估中观察到的崩溃的 3.2 倍，而三种视觉域策略仅获得 9.1% 的组合权重。然后，我们展示了一种我们称之为跨模态耦合的新现象：评估者在一种模态上获得的偏好转移到另一种模态上，并破坏了另一种模态上的策略选择。通过四阶段隔离训练范例，我们测量耦合系数和文档策略反转——模态的最佳策略在跨模态暴露后反转。对文本代理和真实图像视觉任务的五种评估器配置（N=80 总独立重复，约 35,000 个 API 调用）进行的第 3 阶段统计验证发现：跨模型评估产生强耦合（JSD~0.19-0.34），真实图像输入产生方向最一致的信号（平均 gamma_{T->V}=1.145，gamma_{V->T}=0.937，70% T->V，Cohen d = 0.56），并且自我评估提供了近乎完全的免疫力——97％的运行（N = 30）产生零耦合（JSD = 0.003，d = 0.07）。三种方法消融和多执行器验证证实该效果不是结构性伪影。我们引入了由评估者身份索引的耦合矩阵，发布了 MM-EPC 框架，并将跨模型评估器架构确定为偏好漂移的主要风险因素。代码和数据：https://github.com/aidless/mm-epc。