廉价AI群体如何高效纠错？预算约束下的“预言家”部署策略

在由大量廉价不可靠智能体组成的群体系统中，如何通过部署少量昂贵但可靠的“预言家”纠错器来引导整个群体达成正确共识？arXiv最新研究《预算约束下强纠错器在多智能体群体中的部署策略》对此进行了深入探讨。

研究团队将群体建模为图上的共识系统，每个预言家以成本耦合的凹强度将某个节点“钉”向正确方向。通过度量系统相干性H(R)=tr M(R)^{-1}，研究发现即使预言家强度不同，H仍保持子模性——即每个新增预言家的边际效益递减。这一特性使得成本效益贪婪算法能在任意预算下达到最优部署方案的1-1/e近似比。

研究进一步推导出预算-正确性边界B*(ε)，即保证ε正确共识所需的最低花费。在完全图上可获得闭式解，当预言家成本相同时可确定最小预言家数量k*。有趣的是，预算分配策略取决于成本-质量定律的曲率：对于数学验证任务（基于Qwen3模型0.6-32B规模测试），该定律呈凹性，支持部署少量强预言家；而对于代码追踪任务则呈凸性，更适合部署多个中等强度预言家。这表明最优部署策略本质上取决于具体任务特性。