Consilium Protocol：以認知人格驅動多模型 AI 辯論的新架構

Consilium Protocol 概述

研究團隊推出 Consilium Protocol，這是一套從拜占庭容錯衍生的架構，專為多模型 AI 辯論設計，將模型間的分歧視為認知訊號而非錯誤。

認知人格與驗證機制

協議為語言模型指派工程化的認知人格，將模型本身與推理方式分離；同時引入樣本內/樣本外驗證框架，借鑒量化金融的做法，區分訓練資料的共識與實證結論。

實驗設計與結果

在 1,478 場辯論、涵蓋 32 個議題、10 個領域的測試中，觀察到以下四點：

1. 認知人格而非基礎模型決定認知行為：每批成本 0.0002 美元的自由邊緣推論模型，產出與每批 10.69 美元的前緣模型相當。
2. RLHF 對齊訓練產生領域盲點：爭議政策議題的對抗挑戰度比已確定科學議題低 12.3 個百分點，AI 安全議題呈現 11.6% 的非對稱偏差。
3. 協議本身未顯示方向性偏向（移民 Δ=2.3%，再生能源 Δ=1.2%）。
4. 樣本外證據檢索驗證了 239 項主張，回收率 100%，同時發現 167 個訓練資料辯論中未顯現的盲點。

隨機模型×人格配置的重複性實驗，標準差平均 ±2.2%。完整測試的總成本為 217 美元，協議規範已以 MIT 授權釋出，供外部驗證使用。

延伸閱讀

• MultiTextEdit：跨語系文字圖像編輯的雙軌評估與語言字形忠實度量測
• CSMCIR：以 MCoT 與對稱 Q-Former 結合熵感知記憶庫提升複合影像檢索對齊
• 提示驅動多動物3D重建：SAM 3D Animal 與 SMAL+ 框架

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。