The Contagion Tensor: A Framework for Measuring Output-Distribution Coupling in Multi-Agent LLM Systems -- and Auditing the Claims It Enables

Resumo Técnico: O Tensor de Contágio e o Fator de Amplificação de Acoplamento

Definição do Problema
À medida que sistemas de Large Language Models (LLMs) multiagentes tornam-se prevalentes em conjuntos de chatbots, sistemas de recuperação aumentada (RAG) e simulações sociais, suas distribuições de saída evoluem através de trocas repetidas. Existe uma lacuna crítica no campo: embora existam sondagens de viés de modelo único (ex: BBQ, StereoSet) e estudos de caso qualitativos, não há um framework de medição principiado e reutilizável para quantificar como as distribuições de saída se acoplam entre modalidades, agentes e tempo. Especificamente, a comunidade carece de uma métrica para determinar se a adição de uma segunda modalidade amplifica o acoplamento, se a memória aumenta a persistência temporal, ou se a calibração em um subconjunto de condições garante validade em outras. Sem tal framework, alegações sobre comportamentos emergentes ou propagação de viés permanecem qualitativamente descritivas e quantitativamente não falsificáveis.

Metodologia: O Tensor de Contágio e a Família CAF
O artigo introduz o Tensor de Contágio ($T \in \mathbb{R}^{M \times N \times T}$), um framework de medição onde cada célula $T[m, n, t]$ representa a Divergência de Jensen-Shannon (JSD) entre a distribuição de saída de um agente ($w_{n,t}^m$) e uma distribuição de referência uniforme ($w_0$). Este tensor captura o desvio de distribuição através de modalidades ($M$), agentes ($N$) e passos de tempo ($T$).

A partir deste tensor, os autores derivam o Fator de Amplificação de Acoplamento (CAF), uma família de métricas baseadas em razão, definidas como:
$$CAF = \frac{E[T_{condição}]}{E[T_{baseline}]}$$
onde $E[T]$ é a esperança das entradas do tensor. O CAF é uma razão adimensional, referenciada por uma linha de base, onde:

• $CAF > 1$: Indica acoplamento amplificado.
• $CAF = 1$: Indica superposição independente.
• $CAF < 1$: Indica convergência de saída (homogeneização).

O framework unifica quatro métricas anteriormente conflitantes (denotadas por símbolos $\Gamma$ em trabalhos anteriores) em uma única notação com quatro variantes:

1. $CAF_{base}$: Referência de eixo total (modalidade $\times$ contagem de agentes $\times$ tempo).
2. $CAF_{net}$: Acoplamento ao nível do agente (substituindo alegações de raio espectral).
3. $CAF_{cross}$: Acoplamento cross-modal.
4. $CAF_{temp}$: Persistência temporal.

Para garantir o rigor, o artigo emprega um protocolo de ablação de modalidade: identificar módulos de código que poderiam produzir efeitos por design, desativá-los mantendo todas as sementes (seeds) e parâmetros fixos, e re-medir. Isso distingue o acoplamento genuíno de artefatos de design.

Resultados Principais
O framework foi instanciado em um design de simulação fatorial completo $2 \times 2 \times 2$ e validado contra experimentos reais de API (DeepSeek-Chat e GPT-4o-mini).

• Detecção de Artefato de Simulação: Sob parâmetros padrão, as condições de imagem pareceram exibir um acoplamento superlinear ($CAF \approx 1,40$), enquanto as condições de texto foram sublineares ($CAF \approx 0,84$). No entanto, ao desativar o módulo único responsável pelo ruído específico de imagem e mudanças estruturais, todas as condições de imagem colapsaram para valores sublineares ($CAF \approx 0,87$), com um deslocamento médio de $\Delta = -0,53$. As condições de texto permaneceram inalteradas. Isso demonstrou que a aparente "bifurcação de modalidade" era um artefato do módulo de perturbação da simulação, não uma propriedade inerente dos agentes.
• Validação de API Real:
  • Condições de Texto: Sob personas uniformes, a comunicação BOUNDARY SYNC apenas de texto produziu $CAF \approx 1,0$ tanto no DeepSeek-Chat quanto no GPT-4o-mini, indicando nenhum acoplamento mensurável em relação ao isolamento.
  • Diversidade de Persona: Quando os agentes receberam personas diversas, as condições de texto convergiram ($CAF = 0,88$), indicando homogeneização de saída em vez de divergência.
  • Visão Real: Uma comparação intra-modelo no GPT-4o-mini revelou que entradas de visão reais (C5) produziram um efeito superlinear estatisticamente significativo ($CAF = 1,72$, IC 95% [1,700, 1,733]), contrastando com as condições apenas de texto ($CAF = 1,02$). Isso valida a previsão qualitativa da simulação de que as modalidades de imagem impulsionam o acoplamento, embora a magnitude difira devido à injeção artificial da simulação.
• Comparação de Métricas: O artigo mostra que métricas mais simples (razões de entropia, razões de variância) e informação mútua pareada falham em distinguir entre condições de texto e imagem, enquanto o CAF consegue capturar as diferenças estruturais de categoria.

Significância e Alegações
O artigo faz duas contribuições distintas, modestamente enquadradas como provisão de ferramentas para medição e auditoria, em vez de reivindicar a descoberta de um fenômeno emergente específico:

1. Nível de Instrumento de Medição: A família CAF fornece a primeira métrica quantitativa e falsificável para o acoplamento da distribuição de saída. Ao usar uma razão referenciada por uma linha de base, permite que pesquisadores determinem se os efeitos observados são genuínos ou artefatos do próprio instrumento de medição.
2. Nível Metodológico: O artigo propõe um protocolo de ablação transferível como um portão de qualidade padrão para simulações de LLMs multiagentes. Este protocolo exige que os pesquisadores identifiquem, desativem e re-meçam módulos específicos para verificar se os comportamentos emergentes reivindicados não são artefatos de design.

Os autores argumentam que a necessidade urgente do campo não é outra métrica, mas uma disciplina para verificar se os efeitos de acoplamento observados são genuínos. O valor do framework é demonstrado por sua capacidade de revelar que "descobertas" anteriores (como a bifurcação de modalidade) eram artefatos, e por sua aplicação bem-sucedida na detecção de um efeito de acoplamento superlinear genuíno em modelos reais com capacidade de visão. O artigo conclui que tornar um fenômeno mensurável — e fornecer as ferramentas para auditar essas medições — é uma contribuição científica por si só, mesmo quando as medições iniciais revelam mais sobre os instrumentos do que sobre o fenômeno.