从心智表征到通信拓扑：多智能体协同的信任链重构
摘 要多智能体系统在大模型驱动下展现出的协同能力，实则建立在个体心智表征的不确定性与通信拓扑的指数级开销这对张力之上。ToM2Vec 通过连续化心智向量化解了文本空间难以捕捉多重可能伙伴状态的困境，而角色感知拓扑调度则在动态决定谁与谁对话中平衡了推理质量与 token 消耗。两项工作分别从表征层与结构层切入，却共同指向同一核心：协同的可信度不源于单体智能的涌现，而取决于分工后的聚合机制是否可审计、失败是否可归因、知识是否可溯源。socienceAI实验室认为，当前进展使可信聚合在技术路径上更近一步，但缺失的拼图在于跨层级的信任链显式建模——缺乏可验证的聚合协议，再精密的心智推理与拓扑调度也只是更高级的噪声放大器。
关键词多智能体协同；集体智能；Agent社会；协同决策
1 引言
大语言模型赋予智能体以自然语言推理与行动能力，使多智能体协同从规则编排迈向开放式任务分解。然而，协同的本质并非简单的能力叠加，而是分工后如何实现可信聚合。当前研究聚焦于两个正交维度：一是个体如何建立对伙伴的心智模型，二是群体如何通过通信结构实现高效信息流动。前者关乎表征空间的表达力，后者关乎交互拓扑的调度策略。二者看似独立，实则共同构成了协同系统的信任基座——若心智表征无法捕捉不确定性，通信拓扑便在错误前提上优化；若拓扑调度缺乏可审计机制，心智对齐的成果便无法沉淀为可追溯的集体知识。
2 领域进展评述
2.1 连续心智向量与不确定性表征
ToM2Vec 提出的核心洞见在于：文本空间天然倾向于描述单一确定性状态，难以承载多智能体协同中固有的多重可能性。该方法通过学习连续的心智向量，将伙伴的潜在意图、信念与目标编码为概率分布而非离散文本，使智能体能在向量空间中对多重假设并行推理。这一表征层面的突破，直接回应了多智能体协作中「谁在做什么、为何而做」的根本性不确定性。实验表明，连续心智向量在协调任务中表现出显著优势，且推理开销明显更低。
| 维度 | ToM2Vec | 角色感知拓扑调度 |
|---|---|---|
| 切入层面 | 表征空间 | 通信结构 |
| 核心问题 | 多重心智状态的并行捕捉 | 动态通信对象与时机的选择 |
| 关键创新 | 连续心智向量替代离散文本 | 角色感知的拓扑调度策略 |
| 解决目标 | 不确定性下的心智对齐 | 推理质量与 token 开销的平衡 |
2.2 角色感知通信拓扑的动态调度
另一项工作聚焦于通信层面的结构性难题：在指数级增长的可能通信路径中，如何动态决定谁与谁对话、何时通信。现有固定拓扑或启发式调度难以适应任务动态变化的协作需求。该方法引入角色感知机制，根据智能体在任务中的功能定位动态构建通信图，实现了在保持集体推理性能的同时大幅降低 token 消耗。这不仅是工程优化，更揭示了协同效率的结构性约束——通信拓扑应随任务语境与角色分工自适应重组，而非预设静态骨架。
3 方法论意涵
两项工作虽分属表征与结构两个层面，却在方法论上形成互补：心智向量解决「理解谁」的问题，拓扑调度解决「找谁说」的问题。socienceAI实验室认为，这种分层解耦虽降低了单点复杂度，却引入了跨层一致性的新挑战。心智表征的不确定性量化若无法传递至拓扑调度的决策依据，通信结构便可能在错误的信念基础上「高效」运行；反之，拓扑调度若缺乏对心智对齐程度的显式反馈机制，心智向量的学习目标便失去了群体层面的锚定。
更深层的方法论意涵在于：多智能体协同的评价范式必须从「任务完成度」转向「信任链可审计性」。当前两项工作均在各自层面实现了性能提升，但均未显式建模：心智推理的置信度如何传递、通信决策的依据如何留痕、聚合结果的溯源路径如何构建。缺乏这些显式机制，协同系统在面对分布外任务、对抗性干扰或级联失效时，将陷入不可诊断的黑箱状态。可信聚合的第一性要求，不是更聪明的个体，而是可被审计的分工与可被归因的聚合。
4 挑战与展望
当前进展使可信聚合在技术路径上更近一步，但关键拼图仍缺失。第一，跨层级信任链的显式建模尚无统一框架：心智层的不确定性量化、通信层的决策依据留痕、聚合层的溯源接口，三者亟需标准化协议而非点对点适配。第二，动态环境下的信任链演化机制未被充分探讨：当任务分工重组、角色定位漂移、通信拓扑重构时，既有信任证据如何迁移与失效，缺乏形式化描述。第三，面向人机协同的可解释性接口缺位：研究者介入判断、纠偏干预、责任归属的入口，不应事后补装，而应内嵌于心智表征与拓扑调度的联合优化目标中。
socienceAI实验室认为，下一阶段的突破口不在于单一层面的性能榜单刷新，而在于构建可组合、可审计、可归因的信任链中间层——让每一次心智对齐、每一次通信决策、每一次聚合输出，都留下可被追溯的证据链。这才是从「能协同」走向「可信协同」的必经之路。
参考文献
- Nithin Sivakumaran, Ali Payani, Hyunji Lee, Mohit Bansal, Elias Stengel-Eskin. ToM2Vec: Continuous Theory-of-Mind Tokens for Multi-Agent Coordination[EB/OL]. arXiv:2610.29934 (2026-10-21)[2026-10-07]. https://arxiv.org/abs/2610.29934
- Haibin Li, Wenya Yu, Xuefeng Jiang, Jia Li, Xiao Han, Shuai Su, et al. Learning Who Talks to Whom: Role-Aware Communication Topology Scheduling for Efficient LLM Multi-Agent Collaboration[EB/OL]. arXiv:2610.25851 (2026-10-19)[2026-10-07]. https://arxiv.org/abs/2610.25851