共识的代价：分布式多智能体搜索中的恶性认知羊群效应与自适应门控
多智能体系统
2026-05-11 v1 信息论
机器人学
math.IT
摘要
在现实环境中，分布式智能体通常必须在仅有部分观测的条件下于不确定性中进行协调。协调对于共享信念以辅助任务完成是必要的，但通信会消耗带宽并引入延迟，若处理不当，还会降低集体推理能力。这种矛盾在带宽受限的部署场景中尤为突出，例如分布式传感网络、自主侦察和协同网络防御，在这些场景中，过度传输会带来直接的操作成本。现有工作主要关注多智能体探索与通信策略，而未关注通信频率与内容如何共同塑造集体信念状态。该挑战的核心在于智能体在多大程度上保持关于环境的相容内部信念，我们将这一属性称为“认知对齐”。当智能体有效共享信念时，它们能收敛至正确的假设；当通信设计不当时，智能体可能自信地收敛至错误的假设。我们对这一区别进行了形式化，并表明仅凭协调度量（如 Jensen-Shannon 散度或达成共识的速率）无法检测到该区别。
引用
@article{arxiv.2605.06988,
title = {The Cost of Consensus: Malignant Epistemic Herding and Adaptive Gating in Distributed Multi-Agent Search},
author = {David Farr and Iain Cruickshank and Kate Starbird and Jevin West},
journal= {arXiv preprint arXiv:2605.06988},
year = {2026}
}