BOUNDARY_SYNC: Measuring Communication-Induced Representational Coupling in Multi-Agent LLM Systems

📄 arXiv: 2607.01600v1 📥 PDF

作者: Zewen Liu

分类: cs.LG, cs.CL

发布日期: 2026-07-02

备注: 18 pages, 3 figures, 2 tables

💡 一句话要点

提出BOUNDARY_SYNC以测量多智能体LLM系统中的通信引发的表征耦合

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多智能体系统 耦合测量 大型语言模型 通信优化 表征耦合 实验设计 数据分析

📋 核心要点

  1. 现有方法未能有效测量多智能体系统中通信对输出的影响，缺乏量化的耦合评估。
  2. 论文提出BOUNDARY_SYNC协议，通过耦合放大因子（CAF）量化代理间的表征耦合，提供了新的测量工具。
  3. 实验结果显示文本和图像通信均导致显著的同质化，且群体规模对耦合方向有调节作用，揭示了耦合的复杂性。

📝 摘要（中文）

随着大型语言模型（LLMs）作为通信代理的部署，代理间的通信是否会导致输出趋同？我们引入了BOUNDARY_SYNC协议，通过耦合放大因子（CAF = JSD_cond / JSD_baseline）来测量表征耦合，其中CAF < 1表示同质化，CAF > 1表示多样化。在控制的GPT-4o实验中（N=30，约9,900次API调用），我们测量了文本和图像通信中的耦合。主要发现包括：文本通信显著导致同质化（CAF=0.803），图像通信也在同一模态基线下同质化（CAF=0.834），群体规模影响耦合方向等。这些结果表明LLM代理耦合是可测量和可控的，直接影响多智能体系统设计。

🔬 方法详解

问题定义：本论文旨在解决多智能体LLM系统中，代理间通信对输出结果的影响缺乏量化评估的问题。现有方法未能有效捕捉这种耦合现象的复杂性。

核心思路：论文提出的BOUNDARY_SYNC协议通过耦合放大因子（CAF）来量化表征耦合，CAF值的变化指示了输出的同质化或多样化，提供了一种新的分析视角。

技术框架：整体架构包括实验设计、数据收集和耦合测量三个主要模块。实验中使用GPT-4o进行文本和图像的通信实验，收集API调用数据以计算CAF。

关键创新：最重要的技术创新在于引入了耦合放大因子（CAF），这是一个新的度量标准，能够清晰区分同质化和多样化的程度，与现有方法相比，提供了更为细致的分析工具。

关键设计：在实验中，设置了不同的群体规模（K=3和K=5），并通过无通信消融和提示扰动控制来验证结果的可靠性。CAF的计算基于条件Jensen-Shannon散度（JSD_cond）与基线JSD的比值，确保了测量的准确性。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果显示，文本通信导致显著的同质化（CAF=0.803，p<0.001），图像通信同样表现出同质化趋势（CAF=0.834）。此外，群体规模的变化影响耦合方向，K=5时出现同质化，而K=3时CAF值超过1，显示出多样化的趋势。这些发现为多智能体系统的设计提供了重要的实证依据。

🎯 应用场景

该研究的潜在应用领域包括多智能体系统设计、智能体间通信优化以及大规模语言模型的调优。通过量化耦合效应，研究者可以更好地理解和控制智能体的行为，提升系统的协作效率和输出质量。

📄 摘要（原文）

As large language models (LLMs) are deployed as communicating agents, does inter-agent communication cause outputs to converge? We introduce BOUNDARY_SYNC, a protocol measuring representational coupling via the Coupling Amplification Factor (CAF = JSD_cond / JSD_baseline), where CAF < 1 indicates homogenization and CAF > 1 indicates diversification. In controlled GPT-4o experiments (N=30, ~9,900 API calls), we measure coupling in text and image communication. Key findings: (1) text communication causes significant homogenization (CAF=0.803 [0.740, 0.873], d=1.30, p<0.001), confirmed by no-communication ablation and prompt-perturbation controls; (2) image communication also homogenizes under within-modality baselines (CAF=0.834 [0.811, 0.858]), with comparable proportional effect; (3) group size moderates coupling direction -- K=5 produces homogenization while K=3 yields CAF > 1.0 (point estimates 1.14 and 1.06, CI pending), suggesting a directional shift toward diversification; (4) cross-model replication shows extreme variation (CAF 0.034-0.803), with DeepSeek dominated by format artifacts; (5) coupling is stateless -- driven by prompt context rather than cumulative updating, with continuous consensus producing monotonic convergence. These results establish LLM agent coupling as real, measurable, and controllable at the prompt level, with direct implications for multi-agent system design.