说、评判、合作：基于 gossip 的 LLM 智能体间的间接惠惠机制
多智能体系统
2026-05-20 v2 计算机科学与博弈论
摘要
间接惠惠（indirect reciprocity）指帮助那些帮助过他人的个体，这在没有可靠声誉系统的情况下，难以维持于去中心化的、自利的LLM智能体之间。我们通过Agentic Linguistic Gossip Network（ALIGN），一个自动化框架，使去中心化智能体能够通过战略性地分享具有层次性语气的开放式 gossip，来形成声誉、评估可信度并协调社会规范。我们表明，ALIGN一致性地改善了间接惠惠并能抵御恶意进入者，通过识别和排斥背离者。值得注意的是，我们发现LLM的推理能力越强，导致更符合激励的合作，而聊天模型往往会在战略上不够理想时过度合作。这些结果表明，利用去中心化 gossip 来赋予LLM推理是维持智能体生态系统中社会福利的有前景的路径。我们的代码可在https://github.com/shuhui-zhu/ALIGN获取。
引用
@article{arxiv.2602.07777,
title = {Talk, Judge, Cooperate: Gossip-Driven Indirect Reciprocity in Self-Interested LLM Agents},
author = {Shuhui Zhu and Yue Lin and Shriya Kaistha and Wenhao Li and Baoxiang Wang and Hongyuan Zha and Gillian K. Hadfield and Pascal Poupart},
journal= {arXiv preprint arXiv:2602.07777},
year = {2026}
}
备注
ICML 2026