拜占庭故障下的鲁棒多智能体大语言模型

大语言模型智能体常通过点对点网络协作以提升可靠性，但此类交互易受不可靠或拜占庭智能体影响，导致系统性能下降。现有方法依赖中心化协调或自我报告置信度，易受攻击。本文研究去中心化多智能体系统，提出自锚定共识（SAC）协议，通过迭代过滤与优化机制，使智能体能本地评估并剔除不可靠信息。理论证明了通信图的鲁棒性条件，实验表明该方法在数学与常识推理任务中有效抑制恶意干扰，显著提升系统表现。