模块化说话者架构：在多智能体 AI 通信中维持责任性与上下文完整性的框架
人工智能
2025-06-03 v1
摘要
在多智能体系统中维持连贯的、角色感知的通信仍然是 AI 中的基础性挑战。当前框架通常缺乏明确的说话者责任机制，导致随时间推移出现上下文漂移、对齐不稳定和可解释性下降。我们提出了模块化说话者架构（MSA），这是一种将说话者行为分解为用于角色跟踪、责任连续性和上下文连贯性的模块化组件的框架。立足于高上下文的人机对话，MSA 包含三个核心模块：说话者角色模块、责任链跟踪器和上下文完整性验证器。我们通过标注的案例研究评估了 MSA，并引入了结构化指标——语用一致性、责任流和上下文稳定性——通过人工与自动评分以及 bootstrapped 统计分析进行量化。我们的结果表明，MSA 能够可靠地维持交互结构，而无需依赖情感信号或表面启发式方法。我们进一步实现了原型配置语言（G-Code）和模块化 API，以支持 MSA 在动态多智能体场景中的部署。
引用
@article{arxiv.2506.01095,
title = {Modular Speaker Architecture: A Framework for Sustaining Responsibility and Contextual Integrity in Multi-Agent AI Communication},
author = {Khe-Han Toh and Hong-Kuan Teo},
journal= {arXiv preprint arXiv:2506.01095},
year = {2025}
}