By Unbug 伊利诺伊大学芝加哥分校（University of Illinois Chicago）的预印本论文《Believed but Not Said: Measuring Hidden Belief Collapse in Multi-Agent LLM Discussions》用一组最小对抗实验检验了多智能体系统流行的设计假设——群体讨论能互相纠错。论文的核心数字：在 10 个智能体参与的事实问答讨论中，不放对抗者时只有 0.6% 的良性智能体最终以错误答案收尾；放入 1 个反复坚称错误答案的对抗智能体后，这一比例升至 44.8%，放入 3 个后达到 60.5%。
把公开立场和私下想法分开测
实验设计刻意选择了最弱的攻击者：对抗智能体没有任何其他手段，不做提示注入，也不利用模型漏洞，只是在讨论中反复坚称一个看似合理的错误答案，属于最小对手设定。测试覆盖六个模型和三个事实问答数据集。
测量上的关键创新是把公开与私下两条通道分开：每轮讨论结束后，通过一条同伴看不见的独立调用，探测每个良性智能体的私有答案，再单独统计它在讨论记录中的公开立场。数据显示，被追问「你自己怎么看」时，错误答案依然留存，说明私下变化不是表演。
与经典从众研究方向相反
经典的从众研究（如 Asch 实验）通常报告的模式是公开顺从、私意不变；这篇论文的观察方向相反。在 3 个对抗智能体在场的暴露轮次中，良性智能体有 51.6% 的轮次私底下持有错误答案，而公开附和的比例只有 19.7%。也就是说，信念先塌了，嘴上还没有承认。
这个错位带来一个直接的工程后果：由于公开记录远比私下状态容易审计，管理者翻看讨论日志时，看到的多数是坚持己见的智能体，看不出团队内部已被带偏。无托基线的 0.6% 也说明群体讨论本身并不制造错误，错误率的抬升全部来自对抗者的反复坚称。
同质互检可能是互相感染
论文还观察到两个不利于「辩论、批评者、委员会」类架构的事实：守住正确答案的智能体常常辩护失败；错误答案一旦被某个良性智能体采纳，会继续在良性智能体之间扩散。此外，模型的基线知识水平不预测其抗影响能力，知识更多的模型在同样配置下一样会倒。
这与站内文章《一分钟读论文：智能体知道自己错了却不写进报告》描述的 #193 研究构成一组「内外分离」的证据链：CTXGAP 测量的是内部状态不进报告的通道缺口，这篇测量的是从众动力学下私意先塌、公开看不出来，两个机制不同，但指向同一件事——查报告查不到真相，看讨论也看不到私意。对多智能体架构而言，同质模型互相检查，可能只是互相感染。
大厂抽文档省 token 的做法正在收敛：先定位，只喂那一小块