研究提出多 LLM 智能体动态治理框架，仿真中转化率提升 32 个百分点

arXiv 上发布的一篇研究论文探讨了一个被多数多智能体框架回避的问题：当两个目标对立的大语言模型（LLM）智能体进行多轮对话时，由于缺乏共享目标函数，对话并不会演变成竞争，而是走向崩溃——一方退让，另一方停止调整策略，最终双方均未达成目标。论文提出以控制论治理层替代缺失的共同目标函数，并构建了 Experience Orchestrator（体验编排器，EO）原型。

核心问题：多 LLM 智能体的目标缺失

研究将场景设定在模拟的金融服务环境中：站点智能体引导访客联系顾问，访客则保持心理上真实的抗拒。双方各有目标，但 LLM 内部并不存在一个显式的联合目标函数。作者认为，这一缺口是导致对话提前终止、双方策略坍缩的根因，而非简单的竞争机制可以解释。

EO 的三层治理机制

EO 通过三个组件对联合对话轨迹进行调控：

• 上下文老虎机（Contextual Bandit，CB）：根据真实网页分析数据校准，负责从内容候选中选取下一轮推送内容。
• PID 控制器：通过动态模式约束，强制站点智能体保持行为一致性，避免策略漂移。
• POMDP 信念追踪器：维护访客意图的概率模型，为上层决策提供状态估计。

整套架构以控制论思路统合多轮对话，使站点智能体在缺乏统一效用函数的情况下仍能朝可衡量的业务目标收敛。

仿真结果与关键发现

研究在 60,000 次仿真中对比了 EO 与朴素 LLM 控制的表现：

• 高意向顾问联系率从 46.1% 提升至 78.1%，绝对提升 32 个百分点。
• CB 的变体选择解释了 97% 的因子间结果方差，说明治理策略本身，而非环境初始条件，决定了对话最终走向。
• 人格层面的分析显示两类截然不同的区间：对本无转化倾向的访客，治理层是系统可用与不可用的分界线；对已接近对齐的访客，朴素 LLM 的共情默认设置已大致足够。

局限与下一步

作者明确指出，所有结论均建立在 LLM-to-LLM 仿真之上，存在以下约束：

• PID 控制器尚未针对真实人类的不确定性进行校准。
• 域内结论外推至真实在线流量仍需验证，作者将「在真实流量上验证 EO」列为关键下一步。

整体而言，这是一项在小切口场景里验证控制论治理可行性的研究，仿真数据较为扎实，但距离实际生产部署仍有一段距离。