技术摘要：先思后言 (Think-Before-Speak, TBS)

问题陈述

现有的基于大语言模型 (LLM) 的多智能体对话框架主要将社会交互建模为可观测的轮次交换或聚合输出序列。虽然这些方法在生成公开文本记录方面行之有效，但它们无法捕捉到轮次之间发生的内部评估过程。在现实世界的公共审议（如市政厅会议）中，沉默并不意味着认知活动的中断；参与者在不断地解读言论、评估观点气候、经历心理压力，并决定是否有必要发言。目前的范式——特别是层级聚合（智能体并行推理但忽略同轮次的贡献）和顺序轮次接替（智能体仅在轮到自己时才进行推理）——将公开表达视为模拟协议的直接产物，而非演进中的内部状态的结果。这种局限性掩盖了从内部评估到发言意图及公开表达的路径，使得研究认知失调、沉默螺旋和自我审查等机制变得困难。

方法论：TBS 框架

作者提出了 Think-Before-Speak (TBS)，这是一个离散时间、基于间隔的多智能体模拟框架，旨在将私人推理与公开言论生成分离。

核心架构

1. 基于间隔的交互： 时间被抽象为细粒度的间隔 ($v$)。与每个轮次仅有一个智能体行动的顺序模型不同，TBS 允许所有智能体在每个间隔内根据共享的对话历史和自身记忆进行持续推理。
2. 双模块智能体设计：
   • 内部推理模块： 在每个间隔更新结构化的内部状态 ($s$)。这些状态包括：
     • 失调相关评估： 感知的矛盾、失调张力以及减轻张力的动机。
     • 沉默压力评估： 感知的观点气候和感知的孤立风险。
     • 响应策略： 从候选池中进行选择（辩护、限定、趋同、挑战、桥接、保留）。
     • 时间成本： 用于解决冲突的估计延迟。
   • 发言模块： 仅当智能体被选中发言时，才生成实际的言论 ($u$)。
3. 编排器与冲突解决：
   • 编排器管理流水线。在每个间隔，所有智能体提交发言意图，并附带其估计的 time_cost（时间成本）。
   • 如果多个智能体意图发言，编排器会选择具有最小时间成本（推理最快）的智能体作为该间隔的发言者。
   • 非发言智能体更新其内部状态但不生成公开文本，从而降低 Token 开销。
4. 记忆管理： 智能体使用三部分记忆模式（群体、独白、自我）及动态检索机制：
   • 最新 (Latest)： 仅保留最近的 $n$ 轮。
   • 采样 (Sampling)： 随机采样历史，采用向近期事件倾斜的长尾分布。
   • 摘要 (Summary)： 将对话和内部状态迭代压缩为摘要，模拟记忆的积累与细节丢失。

实验设置

该框架使用关于气候政策（“太阳能光伏强制令”）的市政厅讨论进行了评估。

• 智能体： 利用来自“六个美国人”（Six Americas，六种不同的气候态度）和“平衡利益相关者”（支持型与反对型配对）分类法的角色特征。
• 骨干模型： Gemini-2.5-Flash-Lite 和 Gemini-2.5-Flash。
• 变量：
  • 轮次分配： 自愿模式（智能体根据内部状态自主选择发言）对比 轮转模式（固定顺序接替）。
  • 沉默约束： 强制发言（若无人自愿，编排器强制指定发言者）对比 无强制发言（沉默是一种有效的输出结果）。
  • 记忆模式： 最新、随机、摘要。

核心贡献

1. 离散时间模拟协议： 一种通过基于间隔的交互和冲突解决，连接连续时间推理与离散通信的新颖协议。
2. 统一的并行竞争协议： 集成了并行推理（所有智能体在每一步都在思考）与竞争性轮次接替（只有一个智能体发言），提高了真实性与效率。
3. 结构化可解释性： 该框架显式地追踪智能体认知（内部状态）和交互动态，从而实现对社会行为和决策过程的细粒度分析。
4. 实证验证： 初步实验证明，该框架能够生成在不同模拟条件下发生系统性变化的连贯内部状态轨迹。

结果

研究使用线性混合效应模型分析了结构化过程指标（失调指数、沉默压力指数、发言意愿和公开表达）。

• 内部状态连贯性： 框架产生了内部一致的过程轨迹。失调指数 ($\alpha = .89$) 和沉默压力指数 ($\alpha = .92$) 显示出极强的可靠性。
• 不同条件对内部状态的影响：
  • 失调： 随时间推移略有增加。在自愿模式和强制发言条件下，失调显著高于轮转/无强制发言设置。“六个美国人”的角色生态系统的平均失调程度低于平衡利益相关者。
  • 沉默压力： 未表现出显著的线性时间趋势，但在自愿模式、强制发言和摘要记忆条件下显著更高。摘要记忆增加了沉默压力的平均水平和增长率。
• 从评估到表达 (RQ2)：
  • 内部评估预测意愿： 高失调显著增加了想要发言的概率（每增加 0.1 单位，胜算比 $\approx 4.34$），而高沉默压力显著降低了这一概率（胜算比 $\approx 0.24$）。
  • 轮次分配的角色： 在自愿模式下，内部状态与发言意图之间的关系强度弱于轮转模式，这表明自选参与提高了行动的门槛，尽管方向性影响依然存在。
  • 从意图到公开表达： 一旦智能体形成发言意图，内部评估对他们是否真正获得发言权的影响微乎其微。相反，轮次分配规则是实现表达的主要预测因子。在自愿模式下，想要发言的智能体获得发言机会的可能性比轮转模式高出约 3.34 倍。

意义与主张

论文声称 TBS 支持机制敏感型社会模拟，因为它使从内部评估到公开表达的路径变得可观察且可分析。

• 理论一致性： 结果验证了 TBS 成功地将通信理论操作化，特别是区分了失调相关评估（一种表达动机）与沉默压力评估（一种表达约束）。
• 过程 vs 输出： 框架证明了公开言论并非模拟协议的直接产物，而是由两个阶段组成的涌现过程：(1) 内部评估塑造发言意愿，以及 (2) 外部规则（轮次分配）决定获取发言权。
• 局限性与未来工作： 作者承认这项工作是初步的。局限性包括启发式记忆管理（未基于心理学记忆理论）、缺乏基于内容的检索（如 RAG）以及在主题和智能体数量方面的实验规模有限。未来的工作旨在扩大这些规模，并完善记忆机制，以更好地平衡时间衰减与基于内容的重新激活。

论文总结道，TBS 为研究难以直接观察到的潜在传播过程提供了一个真实的、可解释且实验可控的测试平台。