Задержанная верификация дестабилизирует убеждение многоагентной LLM: пороги нестабильности и оптимальное размещение корректора

Аннотация

Системы мультиагентных больших языковых моделей (LLM) часто используют агентов-верификаторов и агентов-критиков для подавления галлюцинаций, однако верификация происходит с задержкой. За время этой задержки ложные утверждения могут распространяться по сети агентов. Мы моделируем этот процесс как замедленный консенсус на графе с заземленными узлами-корректорами. Спектральное разложение с помощью заземленного лапласиана дает порог устойчивости в замкнутой форме для дозы верификации: слишком сильная или слишком запаздывающая коррекция может превратить консенсус в колебания. Наиболее нестабильный режим возникает, когда задержки связи и верификации совпадают; для задержки, равной двум, порогом является обратное золотое сечение. Та же схема приводит к супермодулярной целевой функции размещения и жадному правилу аппроксимации (1-1/e) для распределения ограниченного бюджета корректоров между влиятельными узлами. Эксперименты на пяти открытых моделях подтверждают предсказанные колебания дозы и задержки. Напротив, ответы на фактические вопросы с привязкой превращают истину в поглощающую границу и устраняют этот эффект, что указывает на то, что нестабильность характерна для задач со знаковыми убеждениями, тогда как верификация с привязкой остается стабилизирующей.

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