论文审计多智能体LLM审议中低边际token更易引发分支
资讯摘要
论文对五智能体委员会在贪心解码下的确定性审议做白盒审计：先要求精确无操作重放，再注入范数相对的残差位移，测量十个生成token内的首次转录分歧。作者报告低边际token位置比高边际对照更易分支，匹配的降边际梯度方向也比升边际对照更常引发分支；随后延续部分实际分支以区分文本持续性与偏好、最终决策变化。作者强调这是特定协议下的受控审计，不估计部署频率或决策正确性。
要点速读
- 论文在五智能体委员会、贪心解码下前瞻选择低边际与高边际token位置，要求精确无操作重放后注入范数相对残差位移。
- 作者报告低边际位置比高边际对照更易分支，降边际梯度方向比升边际对照更常引发分支。
- 论文延续部分实际分支以区分文本持续性与偏好及最终决策变化，并声明不估计部署频率或决策正确性。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。