通过连接攻击和防御多代理协同过滤系统

多代理协同过滤 (CF) 系统通过自然语言交互协调由 LLM 驱动的自主用户和项目代理，以细化偏好并生成推荐。这些系统从数据驱动的本质和多代理交互中继承了漏洞，这些漏洞以不同的方式表现出来。了解连接如何调节这些系统中的漏洞可以促进更强大的推荐管道的开发。在这项工作中，我们将一般多代理系统（MAS）文献中的攻击和防御调整到基于代理的 CF 设置，在 AgentCF 框架中系统地变化的连接性下对其进行评估，其中 CF 连接性沿两个轴进行表征：（i）候选计数（每个用户每回合的项目候选数量，测量用户端交互密度）和（ii）目录集中度（用户之间项目目录重叠的程度）。我们的贡献包括：（1）适应：我们在代理 CF 域中重现了 MAS 启发的攻击和防御，确认了原始观察结果的部分可迁移性。 (2) 表征：我们表征连接的两个方面如何塑造攻击和防御结果，揭示用户和项目代理之间的角色不对称、攻击功效的非单调时间动态以及传播和提取攻击目标的不同模式。此外，作为探索性扩展，我们评估了受流行病启发的静态指标在按预期攻击结果对 CF 配置进行排名时的适用性，从而有可能实现经济高效的鲁棒性评估。实施可在 https://github.com/anjunhu/ConnACF 获取