Boundary_Sync：多智能体交流导致同质化？9900次API实验揭示无状态耦合
BOUNDARY_SYNC: Measuring Communication-Induced Representational Coupling in Multi-Agent LLM Systems
当大语言模型（LLM）作为智能体被组合成多智能体系统（Multi-Agent Systems）时，一个根本性的矛盾始终悬而未决：智能体之间的相互交流，究竟是会促使它们在观点和输出上趋于一致，还是会激发更多的多样性？随着多智能体协作推理、辩论和社会模拟的广泛应用，如果模型在交流后变得越来越同质化，那么引入多个智能体所带来的多样性红利将被彻底抹杀；反之，如果交流导致发散，则可能放大系统噪声。
ArXiv URL：https://arxiv.org/abs/2607.01600
针对这一黑盒，研究人员提出了 Boundary_Sync 测量协议，首次将多智能体的“表征耦合”（Representational Coupling）转化为可量化、可隔离控制的因果变量。通过在生产级 GPT-4o 接口上进行的高达 9900 次真实 API 调用实验，研究明确了一个核心事实：多智能体之间的文本和图像交流确实会导致显著的同质化。但更为关键的是，这种耦合并非像人类社会学模型所预测的那样具有累积性，而是完全“无状态”（Stateless）的——它由当前的提示词上下文严格驱动，撤去共识信息后多样性会立即反弹。同时，多智能体系统的群体规模（如 3 个智能体还是 5 个智能体）直接决定了系统是走向同质化还是发散。
从行为观察到因果量化：Boundary_Sync 协议的机制设计
在目前的研究生态中，多智能体协作、角色扮演崩溃或模型辩论中的“羊群效应”已经被广泛观察到。然而，这些研究大多停留在描述现象的阶段，缺乏一个标准化的测量基准来证明是“交流”本身作为因果机制导致了这种变化，也未能将其与模型基础分布的区别剥离开来。
为此，Boundary_Sync 提出了一种严格的控制测量范式。该协议的核心是一项名为耦合放大因子（Coupling Amplification Factor，简称 CAF）的无量纲指标。其数学表达为 $\text{CAF}=\text{JSD}{\text{cond}}/\text{JSD}{\text{baseline}}$。在这里，分子是在引入交流条件下的 Jensen-Shannon 散度（JSD），分母则是在完全隔离、无交流基线下的 JSD。通过衡量每个智能体相对于其先前策略的概率分布偏移，CAF 提供了一个清晰的判定边界：如果 CAF < 1，说明交流减少了各个智能体输出的方差，系统发生同质化；如果 CAF > 1，则说明交流导致了多智能体的意见发散，增加了输出的多样性。
为了排除偶然性，实验设定了多个带有不同温度参数（Temperature）和角色预设（Persona，如激进派、传统派、数据驱动派等）的 GPT-4o 智能体。这种设计刻意引入了初始的异质性，以防止基线状态下因采样参数完全一致而导致人为的低多样性。在整个迭代过程中，智能体会周期性地收到包含邻居共识分布的协议消息，从而在“自我信念”和“同伴压力”之间进行重新加权。
确立同质化的因果性：模态无差异与提示词控制
在文本交流场景中，Boundary_Sync 的测量结果给出了极其确定的结论：文本交流引发了显著的同质化（CAF 降至 0.803，p<0.001），且效应量极大。当智能体接收到同伴的共识分布时，它们的输出不可避免地向中心策略靠拢。
但这种同质化是否仅仅是因为输入提示词（Prompt）变长了、变得复杂了，从而导致模型输出变得集中？研究通过无交流剥离实验和提示词扰动控制（Prompt Perturbation Control）彻底排除了这种假说。当在提示词中不加入邻居共识，而是替换为等长的无关维基百科文本时，同质化现象瞬间消失，CAF 反而上升至 1.082。这一对照实验至关重要，它证明了这种同质化具有强烈的“社会特异性”（Social Specificity）——只有真正来自同伴的共识信息才能迫使 LLM 智能体压缩自身的输出方差。
更为深入的发现来自跨模态的对比。当引入图像通信（智能体通过视觉 API 处理建筑工地、病房等合成场景的图像）时，如果用各自合适的无交流基线作为分母，图像通信同样会导致相似比例的同质化（CAF 为 0.834）。然而，图像分析任务本身具有极高的初始多样性（基线 JSD 远高于文本任务）。这就意味着，虽然从比例上看文本和图像的耦合强度相近，但在绝对意义上，视觉多模态系统在交流过程中丢失的“绝对多样性”要比文本大得多。系统设计者不应该纠结于“哪种模态会同质化”，而必须直面“多模态任务中含有更多易于在共识机制下丧失的基础多样性”这一现实。
扭转耦合方向的核心开关：群体规模
多智能体系统在构建时，应该设定几个智能体？在此之前，这往往依赖于经验主义的随机选择。Boundary_Sync 的数据表明，群体规模（Group Size，变量 $K$）并不是一个需要被控制的混杂因素，而是多智能体设计的核心参数。
当群体规模设定为 $K=5$ 时，无论是文本还是图像任务，系统都表现出强烈的同质化。然而，当实验将群体规模缩小至 $K=3$ 时，情况发生了逆转：文本和图像的 CAF 估算值均突破了 1.0 的界限，表明系统倾向于发散（Diversification）。
背后的机制在于邻居信号的强度与模型固有区分倾向之间的博弈。在规模较大的群体中（如 5 个智能体），4 个同伴产生的平均共识构成了一个极其强大、连贯的外部信号，迫使个体的输出收敛；而在仅有 3 个智能体的群体中，来自另外 2 个同伴的共识信号相对较弱，不仅不足以克服智能体基于自身角色设定的差异化倾向，反而可能成为一种噪音，激发了模型输出更多的分支。因此，对于旨在头脑风暴或依靠多样性获得更好采样覆盖的集成方法，小规模群体是最佳选择；而对于需要收敛来达成唯一事实核查的系统，大规模群体才能提供足够的耦合压力。
颠覆经典动力学假说：耦合的无状态本质
如果把多智能体看作人类社会的一个缩影，经典的意见动力学（Opinion Dynamics）模型（如 DeGroot 模型）总是预测，个体在反复交流和加权平均后，其内部状态会发生不可逆转的改变，并最终累积走向一个固定的共识点。但 LLM 智能体的行为却彻底推翻了这一假设。
研究人员通过一项动态轮次分析，追踪了每个回合的 JSD 轨迹，并采用了一种“开启-关闭”共识信息的交替协议。结果呈现出典型的锯齿状模式（Sawtooth Pattern）：当提供同伴共识时，智能体输出的散度断崖式下降，表现出强烈的同质化；但在紧接着取消共识信息的下一个回合，智能体的散度立即反弹到几乎与基线持平的水平。经过整整十个轮次的反复，没有任何证据表明这些模型在长期累积共识。
这证明了 LLM 智能体的表征耦合是完全无状态的（Stateless）。它们不会真正“记住”自己被说服的过程，所有的趋同都仅仅是被眼前的提示词上下文（Prompt Context）强行拉扯的结果。只要上下文被清空，智能体立刻恢复其原本的概率分布。这种无状态特性不仅从机制上区别于传统的连续社会影响模型，更赋予了系统开发者极大的控制自由度：你可以随时在任何一个生成步骤，通过注入或移除共识数据来即时调控系统的收敛状态。
警惕格式伪影对多智能体评估的误导
在评估不同模型的耦合倾向时，Boundary_Sync 揭示了一个巨大的跨模型鸿沟：CAF 的测量值在不同的模型和条件下展现出高达 24 倍的差异（从极端的 0.034 到 0.803）。但在解读这一数据时，研究指出了多智能体系统评测中一个极易被忽略的陷阱——格式伪影（Format Artifacts）。
以某次对 DeepSeek 模型的测试为例，其记录了近乎于零的 CAF（0.034），有时甚至出现了几个智能体输出一模一样的概率分布。如果单看数字，这似乎意味着极其严重且真实的群体极化和同质化。但深入拆解后发现，这种断崖式的崩溃源于该批次测试强制开启了受限 JSON 输出格式，并关闭了模型的推理链。在严格的格式约束下，模型不再对信息进行深度的语义合成，而是退化成机械的格式复制机，直接照抄邻居的 JSON 结构。一旦解除这种刚性格式限制，极端的同质化就会大幅回退。因此，在构建多智能体评估基准时，必须严格区分哪些是由于模型内部认知发生的真实社会耦合，哪些仅仅是被复杂的 API 格式和指令结构所压榨出的假象。
综合来看，如上图所示，当使用各自模态正确的基准进行校准时，无论是文本基线（0.816）还是图像基线（0.834），多智能体的通信都带来了无可辩驳的同质化结果。Boundary_Sync 的研究确立了一个全新的理解维度：多智能体系统的通信并不是没有代价的。每多引入一次互相参照的交流，系统就在用牺牲初始多样性的代价来换取输出的一致性。这种耦合是真实存在的、可通过 JSD 精确测量的，同时又因为其无状态的特性，完全受控于提示词和群体规模的设计。面对日益庞大且复杂的多智能体推理架构，开发者现在拥有了明确的量化标准，可以有意识地在共识与分歧之间进行工程上的取舍。