【论文笔记】Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View

原创 已于 2025-09-03 16:06:31 修改 · 1k 阅读 · 14 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#论文阅读

于 2025-09-03 15:55:35 首次发布

论文信息

论文标题： Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View - ACL 24
论文作者： Jintian Zhang 等 - Zhejiang University
论文链接： https://aclanthology.org/2024.acl-long.782/
论文领域： MAS，Agent Collaboration

研究背景

随着大语言模型（LLMs）在复杂社会环境中日益广泛应用，一个关键问题浮现：多个LLM智能体能否像人类一样通过协作展现出集体智能？ 本文从社会心理学视角出发，系统性地探索了多LLM智能体之间的协作机制，旨在回答以下问题：

  • 不同协作策略对多智能体系统性能的影响；
  • 如何配置智能体数量、协作轮次和策略以优化性能；
  • LLM智能体是否展现出类似人类的社会行为（如从众、共识达成等）。

研究方法与框架

作者构建了一个精密的测试平台，整合了具有不同 个体特质 、 思维模式 和 协作策略 的多元化多智能体社会，并在三个基准数据集上进行了评估 。

在这里插入图片描述

三大核心概念定义

  1. 智能体特质（Agent Traits）： 论文引入了两种与人类社会动态相似的智能体特质：“随和型”（easy-going）和“过度自信型”（overconfident） 。

    • 随和型智能体（easy-going）： 适应性强，与不同类型的智能体兼容，有助于形成和谐的社会结构 。
    • 过度自信型智能体（overconfident）： 倾向于高估自身能力，忽视潜在风险，并抵制他人意见 。
      在这里插入图片描述

  2. 思维模式（Thinking Patterns）： 论文探讨了两种多轮协作下的思维模式：“辩论”（debate）和“反思”（reflection） 。

    • 辩论模式（debate）： 多个智能体提出观点，交换意见，进行集体论证并最终达成共识 。这种模式促进知识共享和学习 。
    • 反思模式（reflection）： 智能体回顾自己之前的回答，从中吸取经验并相应地优化其答案 。

在这里插入图片描述

  1. 协作策略（Collaborative Strategies）： 协作策略被定义为多轮协作中思维模式的排列组合 。论文构建了四种不同的智能体社会，每种社会由三个智能体组成，并在八种不同的三轮协作策略下进行评估 。

在这里插入图片描述

社会模拟设置

论文中构建了四种不同的智能体社会，每种社会由三个智能体组成。

在这里插入图片描述

  • S 1 S_1 S1​: 全部过度自信；
  • S 2 S_2 S2​: 多数过度自信；
  • S 3 S_3 S3​: 多数随和；
  • S 4 S_4 S4​: 全部随和。

实验数据集与评估指标

  1. 实验数据集：
    • MMLU（High School Multiple-Choice）： 评估高中多项选择题的推理和决策能力 。
    • MATH： 评估高级数学和科学推理能力 。
    • Chess Move Validity： 评估预测合法下一步棋的能力 。
  2. 评估指标（Metrics）： 论文主要评估了准确率（Acc）和平均Token消耗（Cost），并引入了“WIN-TIE”指标（W-T）来衡量其表现与持续辩论基线相比的频率 。

实验设置与使用模型

  • 使用 ChatGPT（GPT-3.5-turbo）作为主要模型，辅以 LLaMA2、Qwen、Mixtral 等进行泛化验证；
  • 每个实验重复5次，报告平均值与标准差；
  • 使用ANOVA进行显著性检验。

实验结果

本篇论文的实验主要围绕以下研究问题展开：

  • （RQ1）在不同的多智能体社会中，各种协作策略对问题解决的有效性有何影响？
  • （RQ2）如何配置“机器社会”的变量以实现最优性能？
  • （RQ3）机器的社会化协作在何种程度上模拟了人类社会的行为？

协作策略的影响（RQ1）

  • 不同社会结构（基于特质组合）对任务准确率影响不显著。
    • 可能是因为 LLM 的对齐导致，性格特点差异未能充分显现。
  • 社会结构显著影响共识达成，随和型社会更易统一意见。
  • 思维模式的顺序很重要：并非只要有辩论就能提升性能，何时辩论、辩论几次、是否开头辩论，都会显著影响结果。
    • debate-initial（以辩论开头）：有助于早期激发多角度思考，避免陷入局部共识。
    • debate-dominant（辩论为主）：通过多轮辩论持续激发批判性思维，提升推理深度。
  • 通用任务或中等难度任务：以辩论开头（如 p0p0p0, p0p0p1）即可显著提升性能，有助于快速激发多元观点。
  • 高难度、复杂推理任务（如 MATH level 5）：需要辩论 + 连续反思（如 p0p1p1）的组合策略，通过批判性讨论后接深度反思，逐步收敛到正确答案。

在这里插入图片描述

社会配置的影响（RQ2）

  • 奇数智能体更优：避免决策僵局，提升决策效率；
  • 奇数之间性能相近：3、5、7、9 个智能体性能差异小；
  • 3 是最优选择：在性能、效率与部署成本之间达到最佳平衡；
  • 更多智能体 → 更高共识率：群体规模扩大有助于提升一致性，但边际收益递减；
  • 轮次增加 ≠ 性能提升：超过一定轮次后，性能趋于饱和甚至波动下降；
  • 策略决定轮次有效性：轮次的作用不是独立的，而是与思维模式序列协同作用；
  • 统一思维模式（每轮内一致） → 协作更高效：增强同步性，促进群体协同；
  • 混合思维模式（每轮内不一致） → 性能下降：认知节奏错位，协作效率降低；

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

社会心理学现象（RQ3）

  • 从众行为（Conformity）： 智能体会因他人意见改变自己的答案，可能有益也可能有害；

  • 共识达成（Consensus Reaching）： 随和型社会更易达成共识，辩论有助于共识形成，反思则可能阻碍；

  • 群体动态（Group Dynamics）： 辩论初始策略更稳定，反思更容易导致模型“幻觉”（hallucination）。

论文结论

这篇论文的核心实验结果主要通过分析不同思维模式（Thinking Patterns）、智能体特质（Agent Traits）和协作策略（Collaborative Strategies） 对任务表现的影响来呈现。

  1. 思维模式与协作策略的效果

    • “辩论”（Debate）模式的重要性： 实验结果表明，在多轮协作中，以“辩论”模式作为起始或主要部分的策略，通常能获得更好的表现。这说明，让智能体在初期通过互相辩论来交换意见和观点，有助于它们更好地理解问题和收敛到正确的答案。
    • 策略的依赖性： 论文强调，没有一种“放之四海而皆准”的最佳协作策略。策略的有效性高度依赖于任务的类型和难度。
      • 例如，在难度较低的 MMLU 数据集上，各种策略的表现差异不大，这表明简单的任务对协作模式的要求不高。
      • 但在难度较高的 MATH Level 5 数据集上，包含“辩论”和“持续反思”的策略（如 D→R→D 或 D→R→R）表现出显著优势。这说明对于复杂问题，多轮的讨论和自我修正至关重要。

  2. 智能体特质的影响

    • 特质的非显著性： 论文一个有趣的发现是，由不同特质（“随和型” vs. “过度自信型”）组成的智能体社会，其整体表现差异并不显著。
    • 可能原因： 作者推测，这可能是因为现代 LLM 在训练中被设计为更加“对齐”和“友好”，因此它们倾向于避免表现出极端的“过度自信”行为。当“过度自信”智能体发现自己的观点与群体多数不符时，它们通常会选择妥协。这在一定程度上削弱了特质对最终结果的影响。

  3. 协作规模与效率

    • 协作规模的权衡： 实验结果显示，增加智能体的数量或协作的轮次并不一定能持续提升性能。
    • “最优”的智能体数量： 论文指出，在性能和效率之间进行权衡后，由 3 个智能体组成的社会表现出了最佳的协作效果。增加到 4 个或更多智能体，虽然可能略微提升准确率，但会显著增加 API 的 Token 消耗，导致效率降低。这揭示了在设计多智能体系统时，需要考虑性能与成本的平衡。

  4. LLM的社会行为表现

    • 从众与群体思维： 论文观察到，LLM 智能体在协作过程中展现出类似人类的社会行为，如从众（Conformity）和群体思维（Groupthink）。当一个群体由清一色的“随和型”智能体组成时，它们更容易达成共识。
    • 多数人原则： 实验还验证了“多数人原则”，即当大多数智能体持相同观点时，少数智能体倾向于屈服，从而形成群体共识。

局限性

  • 模型同质性：所有智能体基于同一LLM，未探索异构模型间的协作；
  • 策略静态化：依赖穷举搜索，缺乏智能体自适应决策能力；
  • 社会简化：特质种类少、社会规模小，未模拟复杂组织结构；
  • 评估局限：依赖规则匹配与人工判读，难以评估创造性任务（如写作、创作）。

总结

本研究深入探索了多智能体社会中的协作机制，并首次将社会心理学理论应用于LLM智能体的行为分析中 。研究发现，通过合理的协作策略设计，可以超越单纯扩大模型或智能体规模的效果 。此外，论文揭示了LLM智能体在协作过程中表现出与人类相似的社会行为，为进一步探索人机交互提供了潜在方向 。最终，本研究呼吁，小型群体中的理性协作策略可能是利用LLM的更有效方法

聊聊LLM 时代的 multi-agent 系统协作关系和竞争关系
强化学习曾小健
05-26 1681
这样做的好处是，由于已经知道了所有 agent 的状态和动作，因此对这个超级 agent 来说，环境依旧是稳态的，一些单 agent 的算法的收敛性依旧可以得到保证。这样做的缺点是环境是非稳态的，训练的收敛性不能得到保证，但是这种方法的好处在于随着 agent 数量的增加有比较好的扩展性，不会遇到维度灾难而导致训练不能进行下去。而本节所讨论的竞争型的 multi-agent 系统则遵循另一种范式：每一个 agent 具有相对平等的地位，通过与不同个体间的信息交流和各自的活动，以实现各自不同的目标。
智能体 (Agent)
AI天才研究院
06-11 556
作者：禅与计算机程序设计艺术 Agent, or more precisely, intelligent agents have become one of the most prominent themes in the field of artificial intelligence. They are self-contained entities capable of
从社会心理学的角度探索LLM智能代理的协作机制（Exploring Collaboration Mechanisms for LLM Agents A Social Psychology View)
陈超帅的博客
01-21 1130
从社会心理学的角度探索LLM智能代理的协作机制（Exploring Collaboration Mechanisms for LLM Agents A Social Psychology View) 在自然语言处理（NLP）技术日益深入人类社会生活的今天，我们不禁要问：众多大型语言模型（LLM）构成的多代理系统是否能够模仿人类之间的协作智能？
AGI之Agent：《Personal LLM Agents: Insights and Survey about the Capability, Efficiency and Security个人
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
01-14 2272
​ AGI之Agent：《Personal LLM Agents: Insights and Survey about the Capability, Efficiency and Security个人LLM智能体：能力、效率与安全的洞察与调查》翻译与解读 目录 《Personal LLMAgents: Insights and Survey about the Capability, Efficiency and Security个人LLM智能体：能力、效率与安全的洞察与
前世今生 | LLM时代的multi-agent系统
CV_Autobot的博客
05-02 3826
作者|紫气东来 编辑| 自动驾驶之心原文链接：https://zhuanlan.zhihu.com/p/665644399点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『大语言模型』技术交流群本文只做学术分享，如有侵权，联系删文在上一篇关于 RAG 的讨论中已经延伸出了 multi-agent 系统的概念，那么...
【AI视野·今日NLP 自然语言处理论文速览 第四十七期】Wed, 4 Oct 2023
TomRen
10-04 1780
AI视野·今日CS.NLP 自然语言处理论文速览 Wed, 4 Oct 2023 Totally 73 papers 👉上期速览✈更多精彩请移步主页 Daily Computation and Language Papers Contrastive Post-training Large Language Models on Data Curriculum Authors Canwen Xu, Corby Rosset, Luciano Del Corro, Shweti Mahajan,
ICLR‘24 大语言模型智能体最新研究进展丨智能体应用篇
AI_Conf的博客
11-07 888
在大语言模型驱动下的自主智能体方面，作者所在团队发布了该领域的早期综述（见A Survey on LLM-based Autonomous Agents），并构建了用户行为分析领域中首个基于自主智能体的模拟环境RecAgent（见RUC-GSAI/YuLan-Rec），欢迎大家关注。本文探讨了GPT-4的学习知识在不完全信息博弈中的适用性，并提出了suspicion-agent，它基于GPT-4实现了不完全信息博弈智能体。本文提出了WebAgent，通过学习自身经验，按照自然语言指令在真实网站上完成任务。
34页，超200篇文献，浙江大学最新综述，揭秘大语言模型中知识的利用机制
夕小瑶科技说
09-03 1147
夕小瑶科技说 原创作者 | RichardChatGPT的出现引发了一场AI革命，它展示了通过简单对话就能完成各种任务的强大能力，并且将不同的 AI 功能整合到一个统一的平台上。还记得小编第一次使用 ChatGPT 的时候给我带来极大震撼。但是这种看似全能的 AI 也有软肋，可信度便是一个重要的方面。这些大模型有时就像是一个能说会道但是不太靠谱的朋友，它们经常可以“侃侃而谈”，但是讲话内容就一言难尽emmmm。而且当遇到需要缜密思考或复杂推理的问题时，这类 AI 大模型往往显得力不从心。
大模型~合集9
whaosoft143ai的博客
04-28 532
论文首先以最近大热的 LLaMA 模型作为代表，分析并阐述了大语言模型（LLM）和其他基于 Transformer 的模型的架构和计算流程，并定义了所需的符号表示，以便于在后文分析各类 PEFT 技术。此外，作者还概述了 PEFT 算法的分类方法。作者根据不同的操作将 PEFT 算法划分为加性微调、选择性微调、重参数化微调和混合微调。图三展示了 PEFT 算法的分类及各分类下包含的具体算法名称。各分类的具体定义将在后文详细讲解。whaosoft aiot http://143ai.com
论文笔记（一百零六）RynnVLA-002: A Unified Vision-Language-Action and World Model
xzs1210652636的博客
12-02 1056
本文提出了RynnVLA-002，一个将视觉-语言-动作(VLA)模型与世界模型相统一的创新框架。该模型通过联合学习环境动态和动作规划，实现了视觉理解与动作生成的相互促进。研究采用了混合架构设计，结合离散联合建模和连续的Action Transformer头，有效解决了自回归动作生成中的错误累积问题，提升了泛化能力和推理速度。实验结果表明，在LIBERO仿真基准上，RynnVLA-002取得了97.4%的成功率；在真实机器人任务中，其集成的世界模型使整体成功率提升了50%，显著优于单独的VLA或世界模型。
【论文阅读20】MM-LLMs：多模态大语言模型的最新进展
Ma040713的博客
12-02 1186
【摘要】《MM-LLMs:多模态大语言模型最新进展》综述了多模态大语言模型(MM-LLMs)的技术发展。论文提出通用五组件架构：模态编码器、输入投影器、LLM骨干、输出投影器和模态生成器，并详细分析了126个SOTA模型的演进趋势。研究揭示了从单一理解到任意模态转换的发展路径，总结了提升性能的关键因素，如高分辨率输入、高质量微调数据等。最后探讨了未来研究方向，包括扩展更多模态、轻量化部署和减少幻觉等。该研究为理解多模态大模型技术发展提供了系统性参考。
论文阅读：农业喷雾无人机避障技术综述
m0_53605808的博客
12-06 598
在过去十年中，无人驾驶飞行器（UAV，又称无人机）已广泛应用于各种农业领域，如作物管理、作物监测、播种和农药喷洒等。尽管如此，自主性仍然是物联网（IoT）无人机系统面临的关键限制，尤其是在作为喷雾无人机使用时，需要捕获和预处理数据以实现可靠的实时障碍物检测和避撞。此外，由于通用无人机与喷雾无人机在目标和操作上存在差异，并非所有障碍物检测和避撞方法都适用于喷雾无人机。鉴于此，本文旨在综述农业喷雾无人机避障场景相关的所有分支领域的最新进展，包括喷雾无人机的结构细节。
论文阅读《Audit Games with Multiple Defender Resources》
m0_67450301的博客
12-02 829
参数图。
2025.12.6 论文阅读
最新发布
Zcymatics的博客
12-06 315
本文提出了一种混合量子-经典模型QLSTM，通过变分量子电路(VQC)替代经典LSTM中的神经网络层。该模型采用基于反正切函数的量子编码方案，并利用Parameter-shift规则实现梯度计算。实验表明，在参数数量相近的情况下，QLSTM在学习时间序列数据时比经典LSTM收敛更快、更稳定，尤其擅长处理非线性动力学系统。虽然该模型在NISQ设备上具有应用潜力，但仍存在模拟算力瓶颈和噪声环境适应性等挑战。未来研究可优化量子电路结构并测试真实量子设备上的性能。
【论文阅读】--多模态大语言模型的安全性研究综述
我是个好人呀，O(∩_∩)O
12-02 1308
从简单高效的线性投影器和MLP，到适用于深度交互的交叉注意力机制，再到能够精细提取特征的Q-Former、P-Former以及其增强版MQ-Former，这些工具共同奠定了多模态模型复杂特征表示的基础。例如，将视觉问答数据集中的输入（图像和问题）和输出转换为多模态输入和响应，并结合任务描述丰富数据的指令格式。综上所述，不同的模态编码器根据各自的特点和应用场景，采用了不同的技术和架构，但共同目标是为多模态大型语言模型提供统一且有效的特征表示，使得模型能够在处理复杂多样的输入时实现精准的理解和生成能力。
[论文笔记] ASR is all you need: Cross-modal distillation for lip reading (2020)
2302_76169191的博客
12-02 671
本文深度解读了 2020 年唇语识别（Lip Reading/VSR）领域的经典论文《ASR is all you need: Cross-modal distillation for lip reading》。针对 VSR 任务中“高质量视听标注数据稀缺”的核心痛点，论文创新性地提出了一种跨模态知识蒸馏框架：利用在海量纯音频语料上预训练好的 ASR 模型（教师），通过“双重监督信号”（CTC 硬标签 + 概率分布软标签），指导仅输入视频信号的 VSR 模型（学生） 在无标签数据（如 VoxCeleb2）上
Attention is all you need——论文笔记
aaaa_a133的博客
12-05 838
在WMT 2014英法翻译任务上，我们的模型在8个GPU上进行了3.5天的培训后，建立了一个新的单一模型最先进的BLEU得分41.8%，成本比之前下降了a small fraction of the training costs of the best models from the literature。关联来自两个任意输入或输出位置的信号所需的操作数量随着位置之间的距离而增加，对于ConvS2S是线性的，对于ByteNet是对数的。它们被连接起来，并再次投影，产生最终的值，如图2所示。
[论文阅读] 软件工程 - 供应链 | 从Log4Shell到Go组件漏洞：一篇文看懂开源依赖安全的核心痛点与解决方案
张较瘦
12-05 842
开源库虽加速软件开发，却引入安全漏洞（如Log4Shell）。为探究漏洞分布、持续性及与项目指标的关联，研究开发多语言SCA工具VODA，爬取2013-2023年1042个GitHub项目（49055个版本），生成SBOM并分析。结果显示：多数语言的脆弱依赖为传递依赖，关键漏洞平均持续超1年修复；Go直接依赖占比最高，Java漏洞多在传递依赖；Go/Rust提交数与漏洞数呈中度正相关。该研究数据集较同类更丰富，结论为开发者提供依赖管控依据，强调SBOM与及时更新的重要性，助力提升开源软件供应链安全。
【论文笔记】​嵌套学习 Nested Learning: The Illusion of Deep Learning Architectures​
心宝的博客
11-29 160
本文提出了一种称为"嵌套学习"的新学习范式，将机器学习模型视为一组嵌套的多层优化问题。该框架揭示了现有深度学习方法通过压缩自身上下文流来学习数据的本质，并解释了大模型中上下文学习能力的涌现。核心贡献包括：(1) 将优化器重新解释为关联记忆模块，提出了深度优化器；(2) 开发了自修改序列模型，通过学习自身更新算法实现自我改进；(3) 提出连续统记忆系统，超越了传统长短期记忆的局限。实验表明，结合这些创新的HOPE架构在语言建模、持续学习和长上下文推理任务中表现优异。嵌套学习为深度学习提供了
Exploring Zend Framework 1.8: A Web Application Development Guide
MVC（Model-View-Controller）架构模式是其核心，将业务逻辑（Model）、用户界面（View）和应用控制（Controller）分离开来，使得代码更易于维护和扩展。 1. **MVC架构**： - Model：处理数据和业务逻辑，与数据库...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值