良性多智能体虚假信息传播研究

Jonas Becker 等作者提交的论文 v2 版研究了良性多智能体系统中的虚假信息传播：智能体遵循同一协议、无人有意欺骗，但部分智能体会读到误导性段落。 研究用 MINT（10,278 段 LLM 撰写的八种风格虚假信息段落）测试三个开源权重模型，覆盖常识推理、知识问答和道德判断。结果显示，相关虚假段落使单个智能体准确率下降 0.12–0.43，无关或无内容段落通常最多只损失 0.06。 论文还称，在投票机制下一句不可靠性警告最多可恢复 0.18 准确率（共识机制下为 0.28），且当上下文为真时，投票机制下没有显著代价。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。