💬 NLP

Achieving Unanimous Consensus Through Multi-Agent Deliberation

本文提出了一种新颖的区块链共识机制，该机制利用大语言模型作为理性代理人，通过结构化的多轮审议过程来实现一致或分级共识，从而在保持区块链核心属性并应对对抗性挑战的同时，增强了复杂决策的适应性。

原作者： Apurba Pokharel, Ram Dantu, Shakila Zaman, Vinh Quach, Sirisha Talapuru

发布于 2026-07-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Apurba Pokharel, Ram Dantu, Shakila Zaman, Vinh Quach, Sirisha Talapuru

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

不要将区块链仅仅视为一个冰冷的、记录金钱的数字账本，而要将其想象成一个高风险的陪审团会议室——其目标不仅仅是获得多数票，而是要让所有人对同一个答案达成一致。这就是这篇论文的核心思想：利用人工智能（具体而言是大型语言模型或 LLM）来扮演一组理性的陪审员，通过交谈、争论和完善彼此的想法，直到达成一致的决定。

问题所在：为什么“少数服从多数”并不足够

如今的大多数区块链运作起来就像是一个嘈杂的人群，由声音最大的一方获胜。如果 51% 的计算机达成一致，决策便生效了。这对于转账非常有效，但作者认为，对于像法庭判决、医疗选择或政府政策这类严肃且高风险的决策，这种方式并不合适。

可以这样理解：如果你正在决定是否推出一种新药或是否判处某人入狱，你不会希望系统说：“嗯，51% 的医生认为它是安全的，所以我们就这么办吧。”你希望所有人都能达成共识。目前的区块链系统在处理这类问题时表现不佳，因为它们是为速度和容错性而设计的，而不是为了深度、结构化的对话。它们既没有强制要求在无法达成一致时“挂起”的机制，也没有让群体通过实际“交谈”来改变观点的机制。

解决方案：AI“审议”派对

作者提出了一个新系统，其中网络中的每个计算机（节点）都运行着自己的 AI 大脑。这些 AI 代理不再只是喊出“是”或“否”，而是参与一场结构化的、多轮次的对话。

以下是该过程逐步展开的方式：

初始轮次（破冰阶段）： 问题被发布，每个 AI 代理给出其初步意见。这就像是在会议上，每个人在其他人开口之前先表达自己的想法。
反思轮次（深度探索）： 这是最神奇的部分。这些代理不仅仅是在投票；它们在倾听。在若干轮次的循环中，每个 AI 都会阅读其邻居的发言，思考并尝试改进自己的答案。这就像一群朋友在讨论电影情节；起初他们可能存在分歧，但在听取彼此的论点后，他们可能会意识到：“噢，我明白你的意思了，”并改变自己的观点。
- 关键点： 论文指出，这种方式在配合“更聪明”（参数量更大）的 AI 模型时效果最好。在测试中，大型模型（如 700 亿参数的模型）随着对话次数的增加，变得越来越准确。而较小的模型（如 130 亿参数的模型）有时会陷入僵局，甚至在聊天之后也无法分辨正确与错误答案的区别。
结论轮次（裁决阶段）： 如果所有人最终达成一致，AI 会将整个对话历史记录下来，并将其锁定在区块链的一个新“区块”中。这使得决策过程透明且不可篡改。如果经过设定的轮次后仍无法达成一致，系统不会强行做出一个糟糕的决定；相反，它会挖掘一个“空块”，实际上是在说：“我们无法达成一致，因此暂时搁置此项。”

实验结果显示了什么

研究人员使用真实的 AI 模型和一个修改后的区块链系统构建了一个工作原型（概念验证）。以下是他们的发现：

可行，但耗时： 达成全员一致比标准的区块链投票需要更长的时间。所需时间取决于参与讨论的 AI 代理数量以及对话的轮数。最大的延迟来自于 AI 生成其想法本身所花费的时间。
“大脑袋”更胜一筹： 在模拟实验中，较大的 AI 模型在达成正确且一致的共识方面表现得更好。较小的模型难以找到正确答案，这反映了现实情况：一群拥有丰富知识的专家比一群知识有限的群体更容易就解决方案达成共识。
区块的大小： 当进行这些审议时，随着加入的代理增多和对话轮数的增加，生成的资料块也会随之增大。在测试中，这些区块保持在 30KB 以下，这是可以接受的，但作者指出，与仅存储简单的“是/否”投票相比，在区块链上存储这些完整的对话过程是一个新的挑战。

“但是……”（作者们的担忧）

论文谨慎地指出，这并不是一个已经完成且完美的成品。作者认为，虽然该系统确实可以运作，但要在现实世界中使用，仍需克服诸多障碍：

幻觉问题： AI 有时会编造事实。如果一个 AI 在审议过程中撒谎，可能会破坏整个群体的决策。
安全风险： 不良行为者可能会试图通过混淆提示词来误导 AI，或者尝试用虚假身份淹没网络（女巫攻击）。
成本： 运行这些强大的 AI 模型需要大量的计算资源（GPU）和电力，这可能会变得非常昂贵。

核心结论

这篇论文提出了一种使用区块链的新颖方式：它不仅是金钱的账本，更是一个 AI 代理通过审议直至达成一致的数字市政厅。这是一种从“多数原则”向“一致原则”的转变。虽然实验表明这是可行的，且更大的 AI 模型表现更好，但作者强调，这仍处于早期研究阶段。他们证明了该概念在受控环境下是有效的，但要使其足够安全、可扩展并可靠到足以应对法庭案件或医疗政策等现实世界的决策，仍有很长的路要走。

技术摘要：通过多智能体审议实现一致性共识

问题定义

当前的区块链共识机制（如工作量证明 PoW 和权益证明 PoS）主要针对金融交易和加密货币网络设计。这些协议依赖于“诚实多数”或加权共识（例如 PoW 中的 51%，或 PoS-BFT 中的 33% 容错率）来确保网络完整性。然而，它们并不适用于高风险应用场景——如法庭判决、医疗决策、伦理委员会和政府政策制定——这些场景通常需要所有参与者的一致共识（Unanimous Consensus）。

现有的协议缺乏结构化审议的能力，即参与者无法通过积极沟通、处理论点并完善观点来进行主动交流。此外，AI 和治理领域的现有审议实现往往存在论点结构有限、提议完善不足以及透明度不够等问题。在区块链技术领域，存在一个关键空白，即缺乏一种能够支持全面参与、透明度以及实现决定性高风险决策所需的意见迭代完善过程的共识机制。

方法论

本文提出了一种新型共识机制，该机制将**大语言模型（LLMs）**作为区块链网络中的理性智能体，通过结构化的多轮审议来实现一致性共识。

系统架构

智能体集成： 每个区块链节点运行自己的 LLM 实例（在概念验证中具体使用了 Llama-3.1-70B-Instruct 和 Llama-2-13b-chat-hf）。
审议框架： 过程分为三个不同的阶段：
- 初始轮次： 智能体接收初始提示词（使用思维链 Chain of Thought 和零样本 Zero-Shot 技术相结合），生成对特定问题的个体响应（ $R_0$ ）。这些话语被存储并在网络中进行流转（Gossip）。
- 反思轮次： 智能体进行 $T$ 轮迭代式的提示词链式处理。在每一轮中，智能体会接收其之前的发言以及邻居节点的响应作为上下文。智能体的任务是根据集体输入来评估并完善自己的答案。这模拟了现实世界中观点趋同的审议过程。
- 结论轮次： 如果达成了一致共识，则开采一个包含完整审议历史的区块并将其存储在链上。如果在预设的轮次限制 $T$ 内未能达成共识，则开采一个空区块以表示“审议僵局”，这遵循了“无法达成一致即视为同意推迟”的原则。
网络协议： 该系统扩展了 Nimiq 区块链（PoW 客户端）以支持此协议。话语由智能体签名，并通过两阶段流转协议（先广播哈希，若有请求再广播完整数据）进行传播，以确保真实性和一致性，同时管理带宽。

正式化

作者提供了审议共识协议的正式定义，证明了即使在对抗性条件或审议停滞的情况下，区块链的核心属性——一致性（Consistency）、协议性（Agreement）和活性（Liveness）——仍能得到维持。

核心贡献

本文声称了以下贡献：

开创性框架： 这是首个系统性识别区块链中审议式一致性共识需求，并实现多智能体审议框架以达成该目标的著作。
正式协议定义： 本文正式定义了该协议，并证明了其在对抗性和停滞条件下仍能维持核心区块链属性。
实证评估： 通过多样化的数据集对协议进行了评估，结果显示知识型智能体（参数量更大的模型）收敛更快且准确率更高，而知识匮乏的智能体则表现挣扎，这反映了现实世界的审议动态。
开源实现： 该创新的实现方案已开源，以实现可复现性和进一步研究。

实验结果

该概念验证使用 NVIDIA RTX 6000 Ada Generation GPU 实现，并在包括 GSM8K 在内的数据集上进行了测试。

收敛性与准确率： 结果表明，较大参数量的模型（如 70B）从反思中获益显著，表现出准确率和收敛性的线性增长。相比之下，较小的模型（如 13B）往往会出现准确率平台期或下降，即使经过多轮迭代，也无法区分正确与错误的答案。
性能指标：
- 达成共识时间 (TRC)： TRC 与智能体数量和轮次直接相关，其中提示词生成时间是主要的瓶颈。
- 区块大小： 区块大小随智能体数量呈轻微指数级增长，随轮次呈线性增长。在实验中，区块大小保持在 30KB 以下，远低于 100KB 的理论极限。
- 对比： 该协议在 GSM8K 数据集上达到了 80% 的准确率，优于其他多智能体审议研究报告的结果。
- 参与度： 不同于仅需要多数派参与的传统协议，该系统确保了成功区块的 100% 节点参与和一致性。

重要性与主张

本文将这项工作定位为推动区块链网络实现审议式决策的重要一步。通过利用区块链的透明性和不可篡改性，所提出的系统允许对决策过程进行全程可见和公众审计，这对于法律、医疗和政府等关键领域至关重要。

作者承认该系统目前仅为概念验证，并指出了潜在的挑战，包括 LLM 的可靠性（幻觉）、安全风险（偏见、对抗性提示）、可扩展性（GPU 和电力需求）以及 Sybil 攻击。他们建议可以通过验证机制、激励机制、高效微调、链下存储以及基于声誉的防御手段来缓解这些问题。论文总结道，虽然目前的共识模型优先考虑多数派协议，但这种审议式方法为需要一致共识和结构化推理的应用提供了一种必要的替代方案。