面向基于大语言模型的多智能体共识的动态信任感知稀疏通信拓扑

大语言模型驱动的多智能体系统通过多轮审议和交叉验证增强复杂推理任务的可靠性。然而，现有框架通常采用全连接通信，导致成本随智能体数量二次增长；固定稀疏拓扑则缺乏适应性。本文提出 DySCo，一种动态信任感知稀疏共识机制。该机制在每轮推理中基于智能体可靠性和答案分歧评估通信边价值，在预算约束下选择高价值边进行消息交换，并通过动态信任权重聚合答案，一旦共识稳定即提前终止讨论。该方法在降低通信开销的同时保留了关键的交叉验证信息，并在数学与逻辑推理任务中验证了其有效性。