基于 LLM 的多智能体系统中关系先验作为收敛压力

基于 大语言模型 的多智能体系统（LLM-MAS）是通过角色、辩论协议和聚合规则设计的。这些选择产生了对信任、怀疑、尊重或合作的隐含期望。我们将代理间关系明确为签名的成对先验，以自然语言呈现并添加到系统提示中，同时保持任务协议固定。在公地治理和多主体辩论中，这些先验改变了主体协调或达成共识的容易程度，我们将这种模式称为收敛压力。更积极的关系通常会提高 GovSim 关系先验扫描的可持续性，并增加对主观问题的共识。这些对负面关系的改善不同于无事先提示的收益。在客观 QA 中，完全积极的先验通常会产生比无先验基线更低的最终答案准确性，并且某些条件会产生更频繁但不太准确的共识。效果取决于模型主干、关系类型和拓扑；明确的中立关系也会因省略关系框架而产生不同的结果。因此，关系先验是针对特定任务的干预措施和对社会框架敏感性的诊断探针。使用任务的主要指标根据无先验基线对其进行评估，报告准确性和共识正确性以及对目标任务的一致意见，并将无先验提示保留为以准确性为中心的任务的默认设置，除非验证支持关系先验。