A Reputation System for Large Language Model-based Multi-agent Systems to Avoid the Tragedy

一、文章主要内容总结

本文聚焦于基于大语言模型的多智能体系统（Generative Multi-Agent Systems, MASs）中“公地悲剧”问题，提出动态双层声誉框架RepuNet，通过智能体层面的声誉动态和系统层面的网络演化，结合直接交互与间接 gossip 机制，有效促进合作并避免资源过度开发。实验验证了RepuNet在资源共享和投资博弈场景中的有效性，揭示了合作集群形成、剥削者孤立及正向 gossip 偏好等新兴现象。

二、文章创新点

1. 首个针对生成式MAS的声誉系统
   设计RepuNet，首次将声誉动态（直接交互与gossip）与网络拓扑演化结合，解决生成式智能体因自利行为导致的合作崩溃问题。

2. 双层动态框架

   • 智能体层面：通过直接交互更新自我声誉（Self-reputation）和同伴声誉（Peer-reputation），模拟人类社会的信任评估机制。
   • 系统层面：基于声誉动态调整网络连接（建立或切断边），使高声誉智能体形成合作集群，孤立低声誉剥削者，重塑交互概率。

3. 新兴社会行为的发现<