多法学硕士代理系统的动态治理以实现协作对话结果

arXiv:2608.11207v1 公告类型：新 摘要：当两个具有结构性相反目标的 LLM 代理在多个回合中进行交互时，共享目标函数的缺乏不会产生竞争，而是导致崩溃：访问者投降，站点代理停止改变其方法，并且对话在没有实现任一代理的既定目标的情况下终止。本文询问控制理论治理层是否可以替代缺失的目标函数。体验协调器 (EO) 在模拟的金融服务环境中解决了这个问题，其中站点代理引导访问者联系顾问，同时访问者保持心理上的现实抵抗。 EO 通过三种机制控制联合轨迹：上下文强盗 (CB)，选择从现实世界的网络分析中校准的内容臂；PID 控制器，通过动态模式约束强制执行行为一致性；POMDP 信念跟踪器，维护访问者意图的概率模型。在 60,000 次模拟中，EO 在高意图顾问联系率方面实现了 +32 个百分点的提升（78.1% vs. 46.1%），CB 变体选择占因素间结果差异的 97%，这证实了治理政策，而不是环境初始条件，决定了轨迹的最终结果。角色层面的分析揭示了两种不同的制度：对于没有自然转换倾向的访问者，治理层是功能性系统和非功能性系统之间的区别；对于已经接近一致的访问者来说，天真的法学硕士的同理心默认值基本上就足够了。所有发现均以法学硕士到法学硕士模拟为条件。 PID 控制器尚未针对人类真实的不可预测性进行校准，下一步关键是在实时流量上验证 EO。