**仲裁者智能体：持续监控多智能体对话以检测涌现性失准**

_The Arbiter Agent: Continually Monitoring Multi-Agent Conversations to Detect Emergent Misalignment_

> 随着多语言模型智能体系统的普及，智能体间的交互可能导致失准。我们提出“仲裁者”智能体，在有限检查预算下实时监控对话，通过等待、提问、检查内部信息或记录问题等方式，识别失准参与者。实验显示，该方法能可靠地提前检测失准，主动检查工具提升了准确性和速度；权重诱导的失准最难检测，而指令诱导的失准则较易发现。记录工具虽提高召回率但降低了精确度。研究表明，持续且预算感知的监控能有效捕捉失准，审计者需作为多智能体系统中的主动参与者。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.10747)