MiniRep：面向多智能体辩论的稳健信誉聚合方法

论文提出 MiniRep，一种面向多智能体辩论（MAD）的信誉聚合系统。作者基于信誉系统攻击与软件测试变异算子构建攻击分类法，让 MiniRep 同时依据智能体在当前任务上的行为与长期信誉打分，并防止回答高度相似的智能体群体主导最终决策。在 MATH 任务上，无论是否被攻击，MiniRep 均优于传统 MAD 聚合与常规信誉方法；在 10 个异构智能体设置下也表现更好。

已有做法多依赖历史表现推断智能体信誉，但证据指出恶意智能体可改变行为并在协作中影响他人，使历史信誉难以预测新任务表现。该工作把信誉与当前任务行为结合，并抑制相似答案群体抱团，针对的是信誉机制本身被利用的风险。

MiniRep 将威胁建模为攻击分类法，覆盖对信誉的策略性利用与对智能体提案的细微污染。其聚合同时参考当前任务行为与时间维度信誉，并对响应高度相似的智能体群体做权重抑制，从而降低合谋或抄袭式答案左右最终输出的可能。

对使用多智能体协作的产品，这意味着单看历史评分或排行榜选智能体存在风险，聚合层需要加入实时行为校验与相似度去重。研发上需在评测中加入对抗性智能体与污染场景，否则离线基准可能高估协作系统的可靠性。

• 在多智能体编排产品中加入实时行为评分，与历史信誉加权组合后再聚合答案。
• 为智能体市场或排行榜增加相似度检测，识别并降权高度雷同的响应群体。
• 在内部评测流水线中引入攻击分类法场景，作为多智能体系统上线前的对抗测试集。

• MiniRep 在 MATH 之外的任务上是否同样优于现有方法，证据未完整给出。
• 攻击分类法的具体覆盖范围与各攻击类型的成功率未在摘要中说明。
• 引入信誉与相似度抑制带来的额外计算成本与延迟尚不明确。
• 在非恶意但能力差异大的异构智能体场景下，该方法的稳健性有待验证。