Verzögerte Verifikation destabilisiert die Überzeugung von Multi-Agenten-LLMs: Instabilitätsschwellen und optimale Korrektorplatzierung

Zusammenfassung

Multi-Agent-Systeme mit großen Sprachmodellen (LLM) setzen häufig auf Verifizierungs- und Kritik-Agenten, um Halluzinationen zu unterdrücken, jedoch erfolgt die Verifizierung verzögert. Während dieser Verzögerung können falsche Behauptungen durch das Agentennetzwerk propagieren. Wir modellieren diesen Prozess als verzögerten Konsens auf einem Graphen mit geerdeten Korrekturknoten. Die spektrale Zerlegung mittels des geerdeten Laplace-Operators liefert eine Stabilitätsschwelle in geschlossener Form für die Verifizierungsdosis: Eine zu starke oder zu stark verzögerte Korrektur kann den Konsens in eine Oszillation überführen. Das instabilste Regime tritt auf, wenn die Kommunikations- und Verifizierungsverzögerungen zusammenfallen; bei einer Verzögerung von zwei beträgt die Schwelle den inversen Goldenen Schnitt. Derselbe Rahmen ergibt ein supermodulares Platzierungsziel und eine gierige (1-1/e)-Approximationsregel zur Zuweisung eines begrenzten Korrektorbudgets an einflussreiche Knoten. Experimente mit fünf offenen Modellen bestätigen die vorhergesagten Dosis-Verzögerungs-Oszillationen. Im Gegensatz dazu macht die geerdete faktenbasierte Antwortgebung die Wahrheit zu einer absorbierenden Grenze und eliminiert diesen Effekt, was darauf hindeutet, dass die Instabilität spezifisch für Aufgaben mit vorzeichenbehafteten Überzeugungen ist, während die geerdete Verifizierung stabilisierend bleibt.

English

Multi-agent large language model (LLM) systems often rely on verifier and critic agents to suppress hallucinations, but verification is delayed. During this delay, false claims can propagate through the agent network. We model this process as delayed consensus on a graph with grounded corrector nodes. Spectral decomposition by the grounded Laplacian yields a closed-form stability threshold for the verification dose: correction that is too strong or too delayed can turn consensus into oscillation. The most unstable regime occurs when the communication and verification delays coincide; for delay two, the threshold is the inverse golden ratio. The same framework gives a supermodular placement objective and a greedy (1-1/e)-approximation rule for assigning a limited corrector budget to influential nodes. Experiments across five open models confirm the predicted dose-delay oscillations. By contrast, grounded factual answering makes truth an absorbing boundary and eliminates the effect, suggesting that the instability is specific to signed-belief tasks while grounded verification remains stabilizing