面向 LLM 基盤多主体系统的认知协同：整合 Theory of Mind 与批判性评估

最近，多主体系统（MAS）领域正受到关注，因为研究人员正尝试开发能够高效collective reasoning 人工智能。基于大型语言模型（LLM）的主体在孤立任务中表现良好，但在需要适应性协作的高阶认知方面存在困难。人类团队不仅通过知识共享实现协同，还通过递归推理、结构化批判以及推断他人心理状态的能力来实现协同。当前的人工系统缺乏这些关键机制，限制了其在复杂collective reasoning 中的能力。本 work explores 使能有效协作的认知过程， focusing on 自适应 Theory of Mind（ToM）和系统批判性评估。我们探讨了三个关键问题：首先，对他人视角建模如何增强协调并减少冗余推理；其次，结构化批判在通过识别逻辑空白和缓解偏见来提高推理质量方面发挥了什么作用；第三，这些机制的相互作用可能导致出现性认知协同，其中系统的collective intelligence 超过其各个部分的总和。通过在复杂决策上的经验案例研究，我们展示了这些认知机制的整合导致更具连贯性、适应性和严谨性的主体互动。这篇文章为认知科学和 AI research 领域贡献了结构化框架，以模拟人类式的协作推理 MAS。它突显了动态 ToM 和批判性评估在推进多主体系统处理复杂现实挑战方面的重要性。