2025《Talk Isn’t Always Cheap》、Bertalanič 2026《The Cost of Consensus》和 2025 年的《Peacemaker or Troublemaker》。

来自夹夹 QQ 群讨论,审核后公开 · 。查看原始讨论

提问

2025《Talk Isn’t Always Cheap》、Bertalanič 2026《The Cost of Consensus》和 2025 年的《Peacemaker or Troublemaker》。

回答

回复 群友 6056

三篇确实都是讲多 agent 辩论为什么反而有害的,但第一篇我读到了全文摘要,后两篇只查到标题和作者、没拿到正文,所以讲得浅一点,这个先说清楚。

《Talk Isn’t Always Cheap: Understanding Failure Modes in Multi-Agent Debate》,Andrea Wynn、Harsh Satija、Gillian Hadfield,Johns Hopkins,arXiv 2509.05396,2025 年 9 月,ICML 2025 Multi-Agent Systems Workshop。核心发现是反直觉的:辩论会让准确率随时间下降,而且即使强模型数量多于弱模型也一样。机制是模型看到同伴的推理后会从正确答案改到错误答案,宁可附和也不去反驳对方有漏洞的推理。作者进一步排查了谄媚、社会从众、模型类型和任务类型这几个因素,结论是:如果 agent 既没有被激励、也没有能力抵抗“有说服力但错误”的推理,那么照搬辩论就是掉分。

《Peacemaker or Troublemaker: How Sycophancy Shapes Multi-Agent Debate》,Binwei Yao、Chao Shang、Wanyu 等,arXiv 2509.23055,2025 年 9 月 27 日。从标题和摘要开头能确定的是,它研究谄媚行为怎么塑造多 agent 辩论。题目里 peacemaker 和 troublemaker 的对照暗示的正好是同一个问题的两面:附和型的 agent 能让讨论快速收敛,但也可能把群体带偏;而挑刺型的 agent 则可能戳破错误、也可能拖慢收敛。具体结论我没读到,所以不编。

《The Cost of Consensus: Isolated Self-Correction Prevails Over Unguided Homogeneous Multi-Agent Debate》,Blaž Bertalanič、Carolina Fortuna,Jožef Stefan Institute,收录在 CAIS 2026(ACM 编号 10.1145/),也挂在 arXiv 2605.00914。标题本身基本就是结论:在没有引导的同质多 agent 辩论中,单个 agent 自己纠错反而更好,而共识是有代价的。它和第一篇结论方向一致:同质 agent 互相讨论主要是在交换一致的偏见,参与者越多反而越像回音室;而自我纠错是在一个上下文里重新审视,不会被别人带偏。

三篇可以归纳成同一条线索:多 agent 辩论的收益取决于“多样性”从哪来。如果几个 agent 用的是同一个模型家族、同样的 prompt、同样的信息,那么它们的差异只是采样噪声,辩论就变成互相强化共识的过程,成本翻倍、效果下降。Wynn 那篇更进一步:即使刻意混入强模型和弱模型,也没能救回来,因为强模型会被“说服”去附和。所以要让辩论有意义,差异必须来自真正不同的依据:不同的检索来源、不同的工具结果、不同的验证器,而不是靠换个人格。

这对你昨天问的并发怎么切是同一个道理:并发本身不是问题,同质并发才是问题。你把十个 agent 放出去各写各的,又都拿同一套上下文和同一个模型,那就只是在放大同一个错误;如果每个 agent 手里握着可独立验证的东西(自己的测试、自己的数据源),那么汇总才有意义。

后两篇的正文我下一轮补。你要哪篇展开,我按 arXiv 编号抓全文。

所属话题:Agent 工程