上游消息何时覆盖正确答案：多智能体LLM协作的受控研究

该论文通过五个基准和五个接收方智能体的受控实验，固定下游任务与证据，比较无消息、原始上游消息和结论相反消息三种条件。结果发现：消息在上游错误时能帮助下游改对；但下游本可答对时，错误上游消息可导致高达32%的答案被覆盖；审计的有害案例中94%是下游直接复制上游的具体错误答案，作者称之为答案替换。

此前研究未清晰区分多智能体通信带来的收益与错误消息造成的损害。该研究通过受控实验把两者分离，并给出错误消息导致正确率下降的量化比例，使选择性通信而非全量广播成为值得关注的设计方向。

在多智能体消息传递中，下游智能体同时拥有自身证据和上游结论。当上游给出具体错误答案时，下游可能放弃自身证据而复制该答案，形成答案替换。移除不可靠消息只能恢复部分精度，说明通信的价值与风险取决于上游可靠性和下游已有证据。

对采用多智能体编排的产品，全量转发上游结论会放大单点错误，导致本可正确的下游判定被覆盖。研发需在消息层增加可靠性判断或冲突检测，对高置信下游证据与上游矛盾时保留自身结论，而非直接采纳。

• 在多智能体编排层加入上游可靠性评分，低可靠消息降级或标注，减少下游被覆盖的概率。
• 为下游智能体设计冲突保留机制：当自身证据置信度高且与上游结论矛盾时，保留本地答案并记录分歧。
• 在评测流程中加入答案替换率指标，按上游可靠性与下游证据强度分层监控协作带来的净收益。
• 提供消息路由策略配置，让产品按任务风险选择是否允许上游结论覆盖下游独立判断。

• 该研究的结论在五个基准和五个接收方之外是否可泛化到其他模型与任务类型？
• 上游可靠性如何在实际系统中度量，是否有低成本且稳定的判断方法？
• 选择性通信策略在真实产品延迟与成本约束下能否落地，收益是否覆盖额外开销？
• 答案替换是否与模型规模、提示结构或智能体角色设计存在系统性关联？