研究提出EB-MAS框架：为LLM多智能体系统补上可审计信念更新层

据arXiv预印本论文，Zhuoyun Li、Boxuan Wang、Jinwei Hu、Xiaowei Huang与Yi Dong提出显式信念多智能体系统（EB-MAS），将信念状态外化为结构化基底，用信念算子提出候选更新，并以「认知防火墙」限制或拒绝证据薄弱、却受脆弱性线索强烈驱动的更新。作者将信念定义为引导下游行动的、基于证据的承诺的工程抽象，并指出随着系统多模态化、工具化与多智能体化，安全失效不再只源于孤立的有害输出，也来自智能体在检索、记忆、工具与同伴通信中更新、存储和传播认知承诺的方式。论文还讨论群体层面的信念风险，包括人为制造的共识、串通与虚假信息级联，并列出落地中的 grounding、误报、可扩展性与伦理滥用等挑战。作者称，可扩展的智能体安全不仅需要更好的输出过滤或更强基座模型，还需要在运行时追踪、校准与约束信念修正的显式接口。该论文为预印本，尚未经同行评…