AgentSociety：激励代理社会智能

部署成功的智能体需具备处理开放式请求的能力，不仅直接解决问题，还需有效利用跨智能体通信与反馈。为此，本文提出 AgentSociety，一种基于流动民主和社会选择理论信息扩散的去中心化协作机制。该环境允许智能体利用局部上下文自主决策以最大化效用，并通过激励实现协作成果。研究证明了向更胜任邻居委托的激励相容性及共识驱动的多智能体路由路径生成。此外，机制激励智能体为获取影响力而选择性披露信息。通过分析纳什均衡，表明智能体收益反映其边际贡献，并在真实数据集上评估了异构智能体的协作性能。