共识陷阱：通过 Token 级协作拯救受对抗多数派控制的多智能体 LLM
计算与语言
2026-04-21 v1 人工智能
多智能体系统
摘要
多智能体大语言模型 (LLM) 架构日益依赖于基于响应级别的聚合，如多数投票 (MAJ)，以提升推理上限。然而，在开放环境中，代理进程于隐蔽的上下文腐化（如针对性提示注入）而极易受到影响。我们揭示了当前多智能体系统中的一个关键结构性漏洞：当被篡改代理构成局部多数时，响应级别的聚合会失效。由于投票聚合的是完整的结论，它对 flawed 中间逻辑毫无察觉。为克服这一系统性限制，我们提出了基于 Token 级轮询 (RR) 协作机制，即代理在共享的自回归上下文中顺序交叉生成。我们将这一过程形式化为离散时间动力系统，证明了 Token 级交叉生成将聚合从脆弱的投票计数（线性求和）转变为动态、交织的逻辑链（非线性算子积）。通过这一理论视角，我们证明即便被篡改代理构成多数，诚实模型的恢复性拉力仍能压倒对抗性腐化。我们进行了详尽的实证评估，跨越多样化推理基准，结果显示尽管 MAJ 在被篡改代理达到多数时会失效，RR 仍能在超过此临界阈值的位置保持稳健的准确性。
引用
@article{arxiv.2604.17139,
title = {The Consensus Trap: Rescuing Multi-Agent LLMs from Adversarial Majorities via Token-Level Collaboration},
author = {Jiayuan Liu and Shiyi Du and Weihua Du and Mingyu Guo and Vincent Conitzer},
journal= {arXiv preprint arXiv:2604.17139},
year = {2026}
}