【第621期】多智能体大语言模型系统的多样性坍缩

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。
合作邮箱：zhiwudazhanjiangshi#gmail.com

今天的主题是：

Diversity Collapse in Multi-Agent LLM Systems: Structural Coupling and Collective Failure in Open-Ended Idea Generation

Summary

多智能体系统（MAS）越来越多地被用于开放式创意生成（Idea generation），其背后的驱动力在于人们期望集体交互能够拓宽探索的协同多样性。然而，这种协作究竟在何时以及为何能真正扩大解空间，目前仍不明确。

我们对基于 MAS 的创意生成中的多样性进行了一项系统的实证研究，并自底向上划分为三个层面：模型智能、智能体认知以及系统动力学：

• 在模型层面，我们发现了一个“算力效率悖论”（Compute efficiency paradox）——尽管能力更强、对齐度更高（Highly aligned）的模型单次样本质量更高，但其带来的边际多样性却在递减。

• 在认知层面，与初级智能体主导的小组相比，权威驱动的动力学机制（Authority-driven dynamics）会抑制语义多样性。

• 在系统层面，群体规模的扩展呈现出收益递减现象，而密集的通信拓扑结构则加速了过早收敛（Premature convergence）。

我们将这些结果定性为结构耦合（Structural coupling）所导致的“集体失败”——在这种过程中，交互无意中收缩了智能体的探索空间，并引发了多样性崩塌。我们的分析表明，这种崩塌主要源于交互结构，而非模型固有的能力不足。这一发现强调了在针对创造性任务设计 MAS 时，保持智能体独立性与意见分歧的重要性。

原文链接：https://arxiv.org/abs/2604.18005