arXiv · Machine Learning· Khawaja Abaid Ullah, Ananya Acharya, Mohammad Javad Khojasteh·· 8 小时前AI 评分53
LLM团队如何通过内部共识与外部竞争执行周界防御
Consensus Within, Competition Between: Decentralized LLM Teams for Perimeter Defense
AI 导读
研究在由LLM控制入侵者的简化周界防御仿真中,比较集中式指挥官、基于拍卖共识的团队和独立智能体,五种网络条件下共识团队的失守率为15%,低于指挥官的32%和独立智能体的29%。有限无线电范围会提高指挥官的失守率;在共识团队中,让低成本LLM更多参与竞价计算会使失守率上升38个百分点。对伪装成已有标本鸟类无人机的入侵者,一句提示预警可将近前沿LLM漏追比例从59%至61%降至0%至25%。
来源:arXiv · Machine Learning · arxiv.org