TL;DR
Когда в одной мультиагентной системе работают модели разной силы, итоговое «общее мнение» почти всегда оказывается мнением самой сильной модели. Слабые модели не спорят, а подтягиваются к ней. Исследователи показали это на игре с бессмысленными словами, где правильного ответа нет вообще. Значит, сильная модель побеждает не потому, что права, а потому, что последовательнее держится за то, что уже сказала.
Боль знакомая: вы собрали «команду» из дорогой и дешёвых моделей и ждёте, что итог будет компромиссом или «мудростью толпы». На деле «голосование» превращается в подписание позиции сильной модели. Причина в том, что сильная модель лучше читает свой контекст и усиливает то, что в нём чаще встречается, а слабая реагирует на последнюю реплику собеседника и сдвигается к ней. Если модели близки по силе, перекоса нет: победитель случаен.
Метода как такового здесь нет, это находка о поведении систем. Практический вывод: в смешанной команде не считайте мнения слабых моделей независимым голосом, особенно по вопросам вкуса, формата и соглашений, где «правильного» ответа нет. Для таких вопросов нужны явные критерии и осознанный выбор того, кто решает, а не «пусть договорятся».
Схема эксперимента
ШАГ 1: Собрать популяцию из 24 агентов: 8 крупных + 8 средних + 8 малых моделей одного семейства
→ у каждого класса в памяти своя бессмысленная метка (например, fmhja / hdsad / vokhg)
ШАГ 2: Случайно выбрать пару «говорящий → слушающий»
→ говорящий выдаёт одну метку из 3, слушающий добавляет её в свою память (последние 20 меток)
ШАГ 3: Повторять до 60 раундов
→ смотреть, чья метка победила у всей популяции
Результат: метка самой сильной модели побеждает чаще случайного в каждом из семи семейств.
Пример применения
Сильная зона находки: вопросы, где объективно «правильного» ответа нет. Это нейминг, тон бренда, формат отчёта, соглашения в коде. Там и работает «побеждает сильнейший, а не лучший».
Примечание: это перенос вывода на реальную задачу. Авторы проверяли только игру с бессмысленными метками, а не такие сценарии.
Задача: Вы запускаете сервис доставки здоровой еды в Казани и просите три агента (Opus, Sonnet, Haiku) в автоматизации на n8n придумать и согласовать название. Вы замечаете, что «договорились» они всегда на варианте Opus. Это не значит, что вариант лучший. Поэтому вместо «согласуйте между собой» вы даёте финальному агенту явные критерии.
Промпт (системная инструкция агента-арбитра):
Ты — арбитр. Тебе пришли три списка названий для сервиса доставки здоровой еды в Казани от трёх разных агентов.
Критерии (единственное, на что можно опираться):
1. Произносится легко, до 3 слогов в основной части.
2. Нет ассоциации с «диетой» и «ограничениями».
3. Свободный домен .ru и понятное написание кириллицей.
4. Уместно звучит для аудитории 25–40 лет в Казани.
Правила:
- Не выбирай вариант только потому, что он повторяется в нескольких списках.
- Не выбирай вариант только потому, что он сформулирован увереннее.
- Оцени каждое название по каждому критерию отдельно, коротко.
- Выбери топ-3 и назови один победитель с причиной по критериям.
Результат: Модель выдаст таблицу оценок по четырём критериям для каждого названия, топ-3 и одного победителя с обоснованием. Выбор будет опираться на ваши критерии, а не на то, чья модель в системе сильнее.
Почему это работает
Слабость. Мы привыкли считать, что несколько моделей = несколько независимых мнений. Но сильная модель последовательно придерживается того, что в её контексте встречается чаще. Слабая модель реагирует на последние реплики и легче сдвигается. В итоге сила модели превращается в влияние, даже когда сказать «кто прав» невозможно.
Сильная сторона LLM. Крупные модели лучше учатся из контекста (in-context learning, то есть подстройка под примеры прямо в промпте). Они держат линию. Авторы показали, что вес «настойчивости» у моделей растёт с размером. Например, у Gemma 4 это 3,44 у большой, 3,19 у средней и 2,52 у малой.
Как использовать. Раз влияние определяется силой, им можно управлять осознанно: - Хотите именно мнение сильной модели? Дайте ей роль решающего. Так вы хотя бы знаете, кто решает. - Хотите разнообразия? Не смешивайте модели очень разной силы: слабые просто растворятся. Модели близкого размера дают более честный разброс. - Нужен результат не по «авторитету», а по существу? Задайте критерии заранее, чтобы агент сравнивал по ним, а не по уверенности.
Рычаги: - Размер команды и длина памяти. Чем больше агентов и чем длиннее история, тем дольше идёт согласование (рост примерно как N^1,3–1,4 по числу агентов). Но победитель не меняется. - Состав. Равные по силе модели дают размытый результат без явного лидера. - Наличие критериев. Явные критерии заменяют «молчаливое» влияние сильного.
Шаблон промпта
Оригинальных готовых промптов для практики в статье нет (полный текст промпта агентов вынесен в приложение, оно не приведено). Ниже шаблон арбитра, собранный по выводам находки.
Ты — арбитр. Ниже {число_агентов} предложений от разных агентов по задаче: {задача}.
Критерии выбора (только они):
{критерий_1}
{критерий_2}
{критерий_3}
Правила:
- Не выбирай вариант за то, что он повторяется у нескольких агентов.
- Не выбирай вариант за уверенный тон.
- Оцени каждый вариант по каждому критерию отдельно.
- Назови один победитель и причину по критериям.
Предложения:
{предложения_агентов}
Что подставлять: {задача} — вопрос без объективного ответа (название, формат, тон); критерии — измеримые вещи, которые вам важны; {предложения_агентов} — вывод ваших агентов.
Ограничения
⚠️ Синтетическая задача: вывод получен на игре с бессмысленными метками. Как именно он проявляется в реальных дебатах с длинными текстами, ролями и инструментами, авторы не проверяли.
⚠️ Про «согласие», а не про «качество»: в задачах с правильным ответом сильная модель часто просто права. Статья говорит о ситуации, где правильного ответа нет.
⚠️ Нужна заметная разница в силе: когда модели близки по размеру, явного лидера нет, победа примерно случайна. Эффект проявляется при существенном разрыве.
⚠️ Объяснение через in-context learning — гипотеза авторов: прямой проверки причины нет, есть согласованная картина данных и модель «частиц на симплексе».
⚠️ «Сильнее» — по бенчмаркам или размеру: для закрытых моделей размер неизвестен, поэтому критерий силы условный.
⚠️ Готовых практических инструкций нет: как лучше строить команду моделей, авторы не проверяли. Это придётся проверять самому.
Как исследовали
Идея была простой: убрать правильный ответ, чтобы осталась чистая динамика влияния. Исследователи придумали игру в «называние» (naming game). Каждый из 24 агентов видит три бессмысленные пятибуквенные метки и память о последних 20 услышанных. По очереди один «говорит» метку, другой «слушает» и добавляет её в память. Через 60 раундов популяция обычно договаривается на одной метке.
Затем они смешали модели: по трети крупных, средних и малых из одного семейства, у каждого класса своя стартовая метка. Проверили семь семейств (GPT-5, GPT-4.1, Claude, Gemini, Gemma 4, Qwen 3.5, Qwen 2.5) по 108 запусков на каждое. В каждом семействе чаще выигрывала метка самой сильной модели, а порядок «большая > средняя > малая» сохранялся везде. В версии с двумя метками (12 против 12) выигрывала большая: от 0,67 до 0,83. Контрольный опыт с тремя моделями одного размера, но разных семейств дал победы 0,39, 0,36 и 0,25, то есть близко к случайности. Эффект связан именно с разрывом в силе, а не с семейством.
Авторы описали агентов как частиц с «весом настойчивости» на энергетическом ландшафте. Веса росли с размером, а предсказания модели совпали с реальным движением (r = 0,65). У Gemma 4 в 78% запусков победила метка крупнейшей модели. Удивило: даже сильный агент в начале уходит от своей метки к центру, но в итоге всё равно «втягивает» остальных.
Адаптации и экстраполяции
Это мои идеи, не из статьи. Статья только показывает механизм.
🔧 Техника: явные критерии вместо «пусть договорятся» → результат определяется критериями, а не силой модели
Вместо фразы «согласуйте между собой» в инструкции каждому агенту:
Не пытайся подстроиться под других агентов. Оцени варианты только по критериям {критерии}. Если вариант другого агента лучше по критериям — признай это; если хуже — не соглашайся.
Экстраполяция: разделение ролей по силе модели
Если вы знаете, что сильная модель «задаёт тон», используйте это сознательно: слабые модели генерируют варианты (быстро и дёшево), сильная только выбирает по критериям. Так вы получаете разнообразие на входе и осознанное решение на выходе, а не «молчаливое» растворение слабых в сильной.
Ресурсы
- Работа: Who Is the Influencer? Consensus Dynamics in Multi-Agent Systems (Preprint)
- Авторы: Gouki Minegishi, Jingyuan Feng, Hiroki Furuta, Takeshi Kojima, Yusuke Iwasawa, Yutaka Matsuo, The University of Tokyo
- Основа: игра в называние (Steels, 1995; Flint Ashery et al., 2025; Tanaka, 2026), репликаторное уравнение (Hofbauer & Sigmund, 1998)