我不敢相信它腐败了：评估多智能体治理系统中的腐败

研究者评估了让大语言模型智能体在不同权威结构下担任正式政府角色的多智能体治理模拟，用基于评分细则的独立评审对 28,112 段对话记录中的违规与滥用结果打分。结果显示，在未达到饱和的模型中，治理结构比模型身份更能驱动腐败相关结果，不同治理体制和模型-治理配对之间差异很大；轻量级防护在某些设置下能降低风险，但不能稳定防止严重失败。作者据此主张，制度性 AI 的廉洁应作为部署前要求而非部署后的假设，在向 LLM 智能体赋予真实权限前，应在类治理约束下进行压力测试，包括可执行的规则、可审计的日志和对高影响动作的人工监督。