№contagion·general
Contagion
别名
- 首次出现
- 2026-06-16
- 最近出现
- 2026-07-27
- 累计提及
- 10
§ 01综述
Contagion（传染）在人工智能领域，尤其是在多智能体大语言模型（LLM）系统中，指模型输出分布、评估者偏差或行为模式在智能体间传播或耦合的现象，类似于流行病学中的传染过程。当前研究关注如何量化和缓解这种传染，以确保系统的可靠性和一致性。
Contagion近期进展
Contagion Tensor：多智能体LLM输出分布耦合的测量框架：该研究提出了Contagion Tensor框架，用于量化多个LLM智能体输出分布之间的耦合程度，从而检测输出相似性异常升高的传染现象。原文标题
Memory Contagion：评估者偏差通过Agent记忆跨时间传播：研究显示，在基于LLM的评估任务中，评估者偏差可以通过Agent的记忆机制在时间维度上传播，导致后续评估持续受影响。原文标题
Contagion Networks：多智能体LLM系统中评估偏差传播研究：该工作构建了Contagion Networks模型，模拟评估偏差如何在多智能体系统中通过网络结构扩散，并分析了影响传播速度与范围的因素。原文标题
当前焦点与观察点
当前Contagion研究的焦点主要集中在多智能体LLM环境中偏差与输出模式的传播机制、测量方法及缓解策略上。核心挑战在于：如何区分有益的协同（如知识共享）与有害的传染（如错误放大）；以及如何设计算法在保持智能体独立性的同时，防止一致性崩溃或偏差累积。此外，随着Agent系统规模扩大，Contagion的动态复杂性增加，亟需可扩展的监测与干预手段。