DART：基于 DAG 的声誉和激励框架，通过区块链支持的治理实现可信赖的 LLM 多代理协作

基于 大语言模型 (LLM) 的多代理系统 (MAS) 主要依赖集中式编排，缺乏代理可靠性、参与度和系统级行为一致性的正式验证机制。这些缺点使得开放环境非常容易受到不合作或恶意代理的影响。这项工作提出了 DART，一种基于有向无环图 (DAG) 的声誉和激励监管框架，用于可信赖的多代理协作，将集中式操作编排与区块链支持的去中心化治理和问责制相结合。 DART 将 DAG 工作流程编排、能力和声誉感知任务分配、动态行为更新、多因素激励以及智能合约责任与 IPFS 存储相结合。在这种范式下，智能体选择动态地平衡任务一致性、历史声誉和工作量，而执行后行为证据不断校准智能体信任和未来参与的概率。通过四个轴的评估，DART 在 GSM8K 上实现了 93.6% Pass@1，并使用两个代理在 142 秒内构建了全栈应用程序，性能优于集中式基准。在五次独立的 150 轮纵向试验中，Full DART 的平均任务成功率为 93.33 +/- 2.26%，输出质量为 0.9357 +/- 0.0117，重试率为 0.2307 +/- 0.0816，分配延迟为 1.1153 +/- 0.0408 秒，始终优于其消融配置 DART 隔离持久性和间歇性恶意代理，获得 99.3% 的输出遏制率，并将系统成功率恢复到 99.8%。这些结果证明了将声誉、激励、基于 DAG 的协调和可验证的区块链支持的治理结合起来以支持自适应和负责任的多代理协作的潜力。