想象一个计算机不仅仅是回答问题，而是拥有性格、观点并具备对话能力的场景。这就是**大语言模型（LLM）的领域。可以将它们想象成读过几乎所有互联网内容的、博学多才的数字图书管理员。通常，我们与他们进行一对一的交流，就像向图书管理员寻求书籍推荐一样。但如果你要求一群这样的数字图书管理员协同工作，会发生什么呢？这就是多智能体系统（Multi-Agent Systems）**发挥作用的地方。这就像是建立一个圆桌会议，每个计算机都有特定的角色和独特的个性，共同承担解决某个问题的任务。虽然我们经常使用这些工具来帮助人类规划旅行，但这篇论文提出了一个引人入胜的问题：如果计算机本身就是旅行者呢？一群拥有各自鲜明喜好和厌恶倾向的 AI 智能体，是否真的可以在没有任何人类输入任何文字的情况下，坐下来讨论、争论、妥协，并最终就一个完美的度假计划达成一致？

菊田大介（Daisuke Kikuta）的论文《AI Tour Meeting》介绍了一个旨在模拟这种场景的新型框架。这是一个数字游乐场，多个 AI 智能体各身披独特的“人格”（例如历史爱好者、精打细算的大学生或美食家）聚集在一起，共同规划一次团体旅行。该系统不仅允许他们聊天，还强制他们在有规则、有投票且有特定目标的结构化会议中进行。研究人员发现，当这些 AI 智能体被赋予正确的指令和足够强大的“大脑”（强大的 LLM）时，它们能够成功应对复杂的意见分歧，提出新想法，并就行程表达成共识，就像一群朋友在规划周末出游一样。

数字旅行俱乐部

想象一下，你正在为一群朋友组织旅行，但代替真人的是一群 AI 角色。其中一个是“爱丽丝（Alice）”，她热爱历史且讨厌花钱；另一个是“鲍勃（Bob）”，他想在一天内看遍所有景点，且不在乎成本。这篇论文提出的框架 AI Tour Meeting 就是运行这场会议的软件。它设定了舞台：“好了，各位，我们有 24 小时时间和 100 美元的预算。让我们来规划东京的一天。”

神奇之处在于这些 AI 智能体如何互动。他们不仅仅是吐出一份地点清单；他们进行的是一场对话。他们轮流发言、提问并提出建议。如果爱丽丝建议参观博物馆，鲍勃可能会说：“这很酷，但离我想去的食品市场太远了。”随后，系统会进入投票阶段。每个人都投票决定是接受新方案还是维持原方案。如果方案获得了足够的票数，它就会成为新的“当前行程”。这种聊天与投票的循环持续进行，直到每个人都满意（或者至少大家都同意停止争论）为止。

游戏规则

为了确保 AI 不会只是漫无目的地闲聊，该框架为他们制定了严格的规则手册。

• 人格（Personas）： 每个智能体都被赋予了一个详细的背景故事。他们有名字、性格（如“谨慎”或“社交型”）以及特定的目标（如“我必须参观这座寺庙”）。
• 轮次（Turns）： 会议遵循一定的流程。它可以是轮询制（每个人按顺序发言），也可以由一个人邀请下一位发言者。
• 行动（Actions）： 在轮到自己时，智能体可以做几件事：
  • 搜索（Search）： 查询事实（例如“火车票多少钱？”）。
  • 询问（Ask）： 向另一个智能体提问。
  • 提议（Propose）： 建议一条新的旅行路线。
  • 投票（Vote）： 在投票阶段，他们可以接受或拒绝一项提议。
  • 满意（Satisfied）： 如果他们对当前方案感到满意，可以表达“我觉得这样就行”，这有助于结束会议。

系统足够聪明，能够检查计划是否违反了规则。如果一个智能体建议了一个花费 500 美元但预算仅为 100 美元的行程，系统会捕捉到这个错误。它还会追踪团队在达成一致之前经历了多少次争论。

计算机实际做了什么

研究人员测试了这个系统，以观察它是否真的有效。他们设置了不同类型的 AI 模型（有些规模较小，有些规模较大）并观察其表现。

结果如下：

• 它起作用了（基本如此）： 当使用强大的 AI 模型（如 Qwen3.5-4B 或更大规模的模型）时，会议几乎总是成功完成。在许多测试中，智能体 100% 能够就方案达成一致。
• “大脑”至关重要： 较小、较弱的 AI 模型（如 2B 版本）则表现挣扎。它们有时会陷入混乱、重复相同的句子或捏造事实。论文指出，你需要一个相当聪明的 AI（至少要达到 Qwen3.5-4B 的水平）才能在没有故障的情况下运行此过程。
• 冲突需要时间： 研究人员创建了一些存在冲突目标的场景。当大家的目标一致时，会议进行得很快（约 10 个轮次）。但当存在重大分歧时，会议就会拖得很长（平均高达 26 个轮次），智能体必须提出许多不同的路线才能找到一个可行的方案。
• “受害者”效应： 在最困难的场景中，即智能体之间存在截然不同的品味时，一些智能体会感到不悦。大约有 11% 的情况下，某个智能体对最终方案非常不满，给出了低分（4 分或以下，总分 10 分）。这反映了现实生活：有时，为了让群体达成一致，必须有人做出妥协并放弃自己真正想要的东西。

这为什么很重要

这不仅仅是一个有趣的数字游客游戏。论文指出，该框架是一个强大的研究工具。通过模拟这些会议，科学家可以在不需要雇佣数百名真实人类的情况下，研究群体是如何做出决策的。他们可以测试不同的规则（如投票方法或发言顺序）如何影响结果。

例如，他们发现，在一个意见冲突的群体中，第一个发言的人往往更难让自己的计划被接受。而较晚发言的人则拥有优势，因为他们可以先听取其他人的抱怨，并据此调整自己的提议，使之让更多人满意。这是一个关于群体动态的发现，而 AI 帮助揭示了这一点。

论文还暗示了一个未来，你可以利用这项技术为真实的群体规划旅行。想象一下，你正在为一群生活在不同时区或无法参加电话会议的朋友规划假期。你可以创建代表你朋友个性和偏好的 AI 智能体。这些智能体可以与你的智能体进行交流，以确定一个每个人都会喜欢的计划，这样当你最终与朋友们沟通时，你已经准备好了一份完美的行程单。

简而言之，AI Tour Meeting 表明，如果你赋予计算机正确的人格和规则，它们就能学会成为优秀的队友，像我们一样在复杂、混乱的群体决策世界中穿梭。这是迈向未来的一步——在那个未来，AI 不仅仅是替我们完成工作，还能帮助我们理解我们是如何协作的。