交互税：当沟通消除多代理团队的多样性时

多智能体 LLM 交互是有帮助还是有害？一些工作报告了辩论（Du et al., 2024）、批评循环（Chen et al., 2025）和混合剂综合（Wang et al., 2025）的收益，而其他工作发现，在同等预算下，交互会增加成本，而不会提高质量（Tran & Kiela, 2026；Xu et al., 2026；Jarrett et al., 2025），或者独立抽样已经捕获了多智能体增益（Li et al., 2024）。我们认为这种矛盾在一定程度上反映了一种缺失的区别，因为并非所有的多智能体通信都是平等的。不同的模型系列会找到结构上不同的解决方案，但是当代理阅读彼此的完整输出时，他们的建议会在一轮内收敛，从而消除了使用多个模型的多样性。我们称之为互动税。我们在匹配的预算下测试了 11 个验证者评分的优化任务，发现全解决方案交互是一个弱默认值。独立提案生成避免了这种崩溃。完整解决方案交互主要使代理保持接近他们看到的第一个解决方案，而不是尝试不同的方法，只有当违反的规则很容易被 LLM 找到并修复时，批评才有帮助。这些结果表明，多智能体的性能更多地取决于智能体交换的信息，而不是智能体的数量，只有当智能体在正确的时间共享正确的信息时，交互才有帮助。