Consilience：面向隐藏档案多智能体推理的共形校准通信控制

多智能体LLM系统可以通过汇集多元视角改进推理，但其有效性取决于通信的协调，尤其是在隐藏档案（hidden-profile）设置中——每个智能体只掌握正确决策所需证据的一部分。现有协议，包括固定日程、轮询交换和非结构化辩论，都不能保证一个会话动作是恰当的。我们提出Consilience，一个推理时编排框架，在分布式私有信息下既引导又认证多智能体通信。在每一轮，Consilience用一个紧凑状态概括讨论，该状态捕捉不确定性、分歧、证据增益、冗余和过早共识，然后同时选择一种通信干预（挑战、澄清、寻求证据或路由）和一位合适的发言者。其核心贡献是一个逐轮共形校准程序，提供无分布、有限样本的保证：在每一讨论轮，条件于到达该轮，控制器提议动作的单步遗憾以至少1-α的边际概率被校准阈值所界定；一个接受机制通过替换不可采纳的提议，对实际执行的动作实施同样的保证。在覆盖12个开放与闭源权重语言模型的HiddenBench风格隐藏档案任务上，Consilience相比固定与非结构化讨论协议提升了决策准确率和通信效率，有时甚至超过每个智能体都能观察全部证据的全信息基线。这些结果表明，经认证的自适应通信控制可以比增加信息可用性更有价值，为可靠的多智能体LLM协调提供了一个实用机制。