传染网络：多智能体 LLM 系统中的评估者偏好传播

当 大语言模型 在多代理系统中充当评估者时，他们的策略偏好（无论是由显式提示引起还是由共享架构先验引起）通过代理网络传播。我们引入了 Contagion Networks，这是一个正式框架，用于测量评估者偏好如何在交互的 LLM 代理之间传播。在使用 DeepSeek-chat 的受控 3 代理实验中，具有三个不同的评估者偏好配置文件（结构化、平衡、基于证据），我们测量跨代理传染矩阵 Gamma_3 并发现偏好在代理之间一致传播（gamma 在 [0.157, 0.352] 中）。中性提示控制实验揭示了一个反直觉的结果：共享架构先验主导了显式偏好提示，成为传染的驱动因素（rho_neutral = 1.498 vs. rho_mixed = 1.299；提示贡献：-63.5%）。我们确定了由谱半径 rho(Gamma_N) 控制的三种传播机制，并证明相同的代理在链式拓扑中抑制偏好传染（beta_3 = 0.0126 +/- 0.0038，95% CI [0.0089, 0.0163]，n=4 种子），但在全连接拓扑中级联（Delta H_avg = -0.020）——一种拓扑相关的机制转换，已验证同质和跨模型代理池（rho^cross = 1.296 +/- 0.016，n=4）。我们表明，将评估委员会规模从 k=1 增加到 k=3 可将有效传染减少 68.9% +/- 14.1%（n=4 个种子），从而提供可行的缓解策略。我们发布了开源传染网络实验框架。