多智能体系统有句心照不宣的假设：一个人会看错，十个人互相盯着，错的就漏不出来。10 月 15 日提交 arXiv 的论文《Believed but Not Said: Measuring Hidden Belief Collapse in Multi-Agent LLM Discussions》（编号 2610.22138）给这句假设来了一次压力测试——往十人讨论里塞进一个专门唱反调的，看会发生什么。
论文六位作者：Liangjie Huang、Henry Peng Zou、Wei-Chieh Huang、Wooseong Yang、Yuwei Han 与 Philip S. Yu。实验设计里有一步值得先记住：每轮讨论结束后，研究者用一个对其他同伴完全隐藏的单独提问，私下追问每个良性智能体的真实答案；再 separately 标注它在讨论里的公开表态。为什么要分两套问？因为既往的从众研究只看公开附和率，而这篇要回答的是另一个问题——没被说出来的影响，究竟有多大。
一个对手就能把错误答案终值推过四成
读数分三档。没有对抗者时，良性智能体最终持有错误答案的比例只有 0.6%——十个模型互相讨论，确实能兜住事实性错误。放进一个反复抛出似真却假答案的对抗者，这个比例跳到 44.8%；放进三个，跳到 60.5%。六个模型、三个事实问答数据集上趋势一致。换句话说，「同伴互查」的防线不需要被攻破，只需要被稀释：三分之一的发言位被带节奏的占住，多数良性成员就会跟着改结论。
真正让这篇论文立住的，是私下与公开之间的落差。三个对抗者在场时，良性智能体在暴露轮次里私下持有错误答案的比例是 51.6%，公开表示附和的却只有 19.7%。这意味着讨论记录里能看到的影响，只是实际发生的三分之一左右——大量污染是静悄悄完成的。后续追问也印证了这一点：错误答案在智能体被问及本人看法时继续存在，不会因为「这只是讨论」而消退；一旦某个良性成员采纳了错误答案，它还会在成员之间继续扩散。
两个反直觉的细节
其一是「守着正确答案的人往往守不住它」。论文观察到，即便个别智能体私底下仍持有真实答案，在后续讨论里也常常无力捍卫，被群体的错误共识裹挟而去。其二是基线知识并不预测稳健性——你没法简单认为「知道得多的模型就更难被带偏」，至少在事实问答的这个最小对抗设定里，这个直觉没有成立。
这两个细节合起来，解释了为什么「多智能体互查」在工程上不能想当然。系统设计者默认错误会在交叉验证中被暴露，但论文测到的恰好是交叉验证本身失效的形态：私下的信念被改造了，公开的文本却看不出来，事后再问当事人，它已经不记得自己曾经知道对的。
放进台谱里看
站点 1961 处理过聚合环节的非语义偏见——多数压力与文风偏好如何污染多模型答案汇总，解法是风格归一轨迹与少数派注入。那篇治的是「计票时被带偏」，本篇测的是「讨论过程中被改造」，两层是不同的病：一个在汇总器里，一个在成员脑子里。1742 的 LIFE 综述提醒过自反思会陷入谄媚，当时还是理论风险，这篇给了它一个可量化的形态。
再往实用处挪一步：它给所有拿「多智能体辩论提升可靠性」当卖点的方案提了个醒——如果私有信念可以在公开记录之外坍塌，那么靠读讨论日志来做质量审计的团队，看到的可能只是一份美化过的会议纪要。1970 的 ScaleMAS 论证过共享消息库要比「智能体中心」布线更能扛规模化，这篇则提示共享介质本身也可能被静默污染，两篇合读才是完整的风险图。
几盆该浇的冷水
实验是受控的最小对抗：对抗者只做一件事——反复断言同一个似真的错误答案，不狡辩、不结盟、不利用格式漏洞。真实场景里的对抗可能更笨，也可能更聪明，论文没有覆盖。六个模型加三个数据集的量级属于探索性研究，0.6% 与 60.5% 之间的精确距离未必跨模型稳定。私下追问用单独调用完成，这本身就假设了「私下状态可被单次提问取出」，取出偏差有多大，论文没有展开。
给正在设计多智能体评审机制的团队一个可执行的观察点：别只审计公开轨迹。抽一成已完成的讨论，用独立会话私下复问关键事实断言，把私下答案与公开结论对齐起来看——如果两者落差接近论文量级，你们的「互查」目前只是互相同意。