LLM多智能体系统通信故障实证研究

2026年10月15日，arXiv Artificial Intelligence 刊出 Jinhao Zhou 等作者的论文，对 LLM 多智能体系统（LLM-MAS）中的通信故障展开大规模实证研究，考察消息丢失、延迟与上下文过期等故障如何表现、传播并影响任务结果。据该论文，其评估覆盖 100 项任务、五个领域、三种工作流拓扑和三种模型配置，共 29,000 余次执行；论文同时提供代码与实验工件以及配套网站链接。截至本版，该事件仅此一篇主报道，尚无跟进报道，因此不存在与早先报道在数字、时间或说法上的矛盾。研究的具体结论、故障分类细节及各配置下的对比结果，报道中未进一步披露。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。