The Interaction Tax: When Communication Erases Diversity in Multi-Agent Teams
交互税：多智能体团队中通信如何抹除多样性
🧭 多智能体协作的多样性坍缩与交互税 ★ 深度解读
University of Chicago
完整方案交换会让异构模型解在一轮内趋同并抹掉多样性，独立生成与可定位修复的 critique 才更有效
📌 工作参考价值（4 点）
- 在多候选生成/策略搜索（广告创意、推荐解释、query 改写等）中，优先用多模型独立提案 + 打分器选择/合成（MoA 式），不要让 agent 互相阅读完整候选输出；这能在预算匹配下保留多样性并避免一轮收敛。
- 若必须引入 critic/refiner，把 critique 压缩成可验证的具体错误和修复建议（如硬约束违反、价格违规、敏感词、缺失卖点），不要传递完整候选；对容易定位和修复的约束有效，对需要复杂推理的错误可能有害。
- 异构模型组合前先做策略多样性诊断：检查不同模型/agent 是否真的产生不同结构或策略，还是某个模型总是输出固定高分退化解；不要只看模型家族数量，要看候选聚类和行为模式覆盖。
- 多 Agent 不一定优于单 Agent Best-of-N；在资源受限的搜推广系统中，先建设强单模型 + 多次采样 + verifier 选择，按需再加轻量 critique 或选择性信息共享，避免直接上 chain/debate 全量交互。