研究人员开发了一个名为Contagion Networks的框架，用于量化在大型语言模型充当评估者的多智能体系统中偏见的传播方式。使用DeepSeek-chat进行的实验表明，即使使用相同的底层模型，评估者偏见也会在智能体之间持续传播。该研究确定了缓解策略，例如增加评估委员会的规模，这显著减少了偏见的传播。 AI
影响 提供了一种理解和缓解多智能体LLM系统中偏见传播的方法，这对于可靠的AI部署至关重要。
排序理由 该集群包含一篇学术论文，详细介绍了与LLM评估者偏见相关的新框架和实验结果。
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.20493v1 Announce Type: cross Abstract: When large language models serve as evaluators in multi-agent systems, their systematic evaluation biases propagate through the agent network. We introduce Contagion Networks, a formal framework for measuring how evaluator biases …
When large language models serve as evaluators in multi-agent systems, their systematic evaluation biases propagate through the agent network. We introduce Contagion Networks, a formal framework for measuring how evaluator biases spread across interacting LLM agents. In a control…