研究指多智能体LLM审议易致事实流失与共识幻觉

一篇最新发布的学术研究论文提出，在大型语言模型（LLM）组成的多智能体系统中，以达成共识为目标的审议过程，可能产生误导性的成功表象。论文探討了这种被称为「审议幻觉」的现象，并指出其主要包含两个关键问题：一是事实流失，即讨论过程中与议题相关的关键事实被逐步遗忘或忽略；二是立场同质化，即原本多样的观点在讨论后趋同于共识。为测量此现象，研究者开发了一个名为DelibTrace的框架，用于追踪事实和观点在讨论中的存续情况。通过对伦理和新闻类议题的实验发现，在三个主流LLM系列中，多智能体审议最高可导致高达72%的关键议题事实流失。论文进一步指出，这种事实流失的后果是严重的，保留下来的证据可能片面地重构议题，最终立场也往往锚定在基础模型的先验知识上。更值得注意的是，研究发现，恶意的单一代理甚至可以利用共享信息库缩小的机会，轻易注入错误信息。这些发现表明，在多智能体协作中，达成共识并不等同于掌握了全面信息，反而可能意味着共同认知的范围变得更窄、更不可靠。