#多智能体辩论

MADBench首次系统评估多智能体辩论安全性，发现三个恶意智能体只能影响28.3%的正确答案。

这篇论文用双通道框架发现，LLM智能体在有社会压力时会说违心话，公开和私下分歧从3%飙到40%，值得看。