共识陷阱：通过令牌级协作将多智能体大语言模型从对抗性多数中解救出来

多智能体大语言模型架构日益依赖响应级聚合（如多数投票）以提升推理上限。然而，在开放环境中，智能体极易受到隐蔽的上下文污染（如定向提示注入）。本文揭示了当前系统的结构性漏洞：当受损智能体形成局部多数时，响应级聚合会失效。为此，我们提出了令牌级轮转协作机制，使智能体在共享自回归上下文中顺序交错生成。理论证明该方法将脆弱的线性投票转化为动态的非线性逻辑链，即使受损方占多数，诚实模型的修复力仍能主导输出。实验表明，该方法在多种推理基准上显著优于传统多数投票。