推理中的分歧：模型思维过程决定多代理系统中的说服力
人工智能
2025-09-26 v1 计算与语言
摘要
近年来多代理系统（MAS）的快速普及，其中大语言模型（LLM）和大推理模型（LRM）通常协作解决复杂问题，使得深入理解它们相互作用中的说服动态变得至关重要。本文挑战了说服效能主要是模型规模函数这一既定假设，我们提出这些动态本质上取决于模型底层认知过程，尤其是其显式推理能力。通过一系列多代理说服实验，我们发现一种称为说服二元性的根本性权衡。我们的发现表明，LRM 的推理过程对说服具有显著更大的抵抗力，能够更稳健地维持其初始信念。相反，通过共享“思考内容”使这种推理过程透明化，显著增强了其说服他人的能力。我们进一步考虑更复杂的跨代理说服情境，揭示了多跳说服中代理网络之间影响传播和衰减的复杂动态。本研究为将模型的内部处理架构与其外部说服行为系统性地关联，提供了证据，为解释高级模型的易受性提供了新解释，并凸显了对未来 MAS 安全性、鲁棒性和设计的关键含义。
引用
@article{arxiv.2509.21054,
title = {Disagreements in Reasoning: How a Model's Thinking Process Dictates Persuasion in Multi-Agent Systems},
author = {Haodong Zhao and Jidong Li and Zhaomin Wu and Tianjie Ju and Zhuosheng Zhang and Bingsheng He and Gongshen Liu},
journal= {arXiv preprint arXiv:2509.21054},
year = {2025}
}
备注
Work in progress