共识的代价：孤立自我纠正在无引导同质多智能体辩论中占据上风

多智能体辩论是指多个大语言模型（LLM）交替给出理由并对答案进行投票的过程，广泛应用于假设同行评审可过滤幻觉的场景。然而，同质化辩论的失效动力学仍不为人所了解。我们报告了对由 N=10 个同质智能体（Qwen2.5-7B、Llama-3.1-8B、Ministral-3-8B）在 R=3 轮辩论中处理两项高难度基准测试（GSM-Hard 和 MMLU-Hard）的受控实证研究结果。我们将同伴辩论与孤立自我纠正以及一种随机噪声控制进行比较，后者注入来自无关问题的理由。我们将辩论失效分解为三个模型依赖的路径：从众 conformity，即智能体不加批判地采纳多数答案（模态采纳最高可达 85.5%）；情境脆弱性，即同伴理由会 destabilize 先前正确的推理（脆弱性最高可达 70.0%）；以及共识崩溃，即多数投票抛弃了来自生成池中已存在的正确答案（先知差距最高可达 32.3 个百分点）。对通信密度（K ∈ {2,4,9}）和抽样温度（T ∈ {0.4, 0.7}）的消除实验显示，conformity 在最小同伴暴露（K=2）时即达到高水平，并随初始多样性增强而加剧。在所有配置下，辩论比自我纠正消耗更多的 token（每题最高可达 28,631 个），且准确率更低。我们的结果表明，在 7-8B 参数规模内，缺乏结构化角色的同质团队并不受益于无引导的同伴交流，孤立自我纠正在成本-准确率权衡上始终更为有利。