Fortytwo：基于对等排序共识的群体推理
机器学习
2025-10-30 v1 人工智能
计算与语言
多智能体系统
摘要
集中式 AI 正面临计算极限和训练运行的报效递减，满足需求需要能够在容量和能力上水平扩展的推理层。我们提出了 Fortytwo，这是一种新型协议，利用群体智能原则和分布式两两排序共识，实现 AI 推理中的卓越性能。我们的方案重新构想了 AI 节点之间的协作方式，采用群体推理：一种对等排序、声誉加权的共识，凸显最高质量的响应。通过采用定制的Bradley-Terry式聚合模型的两两排序，我们展示了群体推理显著优于多数投票，在相同模型集合下实现 GPQA Diamond 的 85.90% 准确率，而多数投票仅为 68.69%——提升约 17.21 个百分点（约为 25.1% 的相对提升）。该协议集成了链上声誉机制，使节点影响力随实际准确率而自适应，形成以 merit 为导向的共识，筛选低质量或恶意参与者。为抵抗 Sybil 攻击，Fortytwo 采用 proof-of-capability 作为其共识机制：节点必须成功完成校准/测试请求并 staking 声誉才能进入排序轮次，这使得多身份攻击在经济上不可取，同时保持开放性。在六项具有挑战性的基准测试中，包括 GPQA Diamond、LiveCodeBench 和 AIME，我们的评估表明该方法在准确率和对抗性和噪声自由形式提词（例如 prompt-injection 仅导致 0.12% 的性能下降，远低于单一模型基线的 6.20%）方面表现更佳，同时保持实际可部署性。这些结果为去中心化 AI 系统奠定了基础，通过集体智慧实现对高质量推理的民主化访问，而不牺牲可靠性或安全性。
引用
@article{arxiv.2510.24801,
title = {Fortytwo: Swarm Inference with Peer-Ranked Consensus},
author = {Vladyslav Larin and Ihor Naumenko and Aleksei Ivashov and Ivan Nikitin and Alexander Firsov},
journal= {arXiv preprint arXiv:2510.24801},
year = {2025}
}