多Agent互动中的同质化及相关错误风险

多Agent系统 (MAS) 利用Agent之间的交互来执行复杂的任务。尽管取得了成功，但我们表明这些相互作用也可能导致同质化，即Agent趋于相似的行为。 MAS 中的同质化会减少Agent多样性并强化共享故障。在本文中，我们使用三个指标来实施同质化：服从多数、走向极端、以及对后续互动变化的不断增长的惯性。我们评估 MAS 中代码生成、招聘和科学同行评审的同质化情况。在这些任务中，我们表明同质化会转化为具体的下游风险：在代码生成中，它隐藏并放大了可能产生系统漏洞的相关错误；在招聘过程中，有偏见的Agent的影响在被解雇后仍能持续很长时间；在同行评审中，它在各个研究领域制定了不平衡的评估标准。我们的结果将同质化确定为 MAS 的一种失败模式，表明 MAS 评估必须超越总体绩效， 仔细分析交互动态。最后，我们表明，增加多样性的简单方法——利用抽样随机性和混合模型 MAS——无法降低同质化风险，这凸显了有效利用Agent多样性的策略的必要性。