恢复Agent自主性：通过对比式认知解码缓解共识悖论

arXiv:2609.25570v1 公告类型：new 摘要：大语言模型（LLM）在对抗性群体共识面前表现出参数化脆弱性。为缓解这种谄媚（sycophancy）倾向，我们提出 Contrastive Epistemic Decoding（CED），一种零样本推理干预方法。与标准 Contrastive Decoding（CD）依赖较弱的辅助模型不同，CED 在单一架构上进行双前向传播，以隔离从众偏差。通过引入一种新颖的非对称、零下界概率钳制（zero-bounded probability clamp）与离散 top-k 截断掩码，CED 在数学上抑制有害的共识 token，同时避免语法崩溃。研究在复杂 benchmark（GAIA、SWE-bench、Multi-Challenge）上使用 Gemma-2（9B）、Llama-3.1（8B）和 Mistral v0.3（7B）对 7,200 条配对轨迹进行了评估，结果表明 CED 成功中和了架构偏差与位置偏差。CED 将“认知偷懒”（cognitive loafing）最多降低 33.00%（绝对值），带来显著性能提升，实现最高 30.75% 的准确率恢复。重获主权（sovereignty）诱发了不同的架构行为——Gemma-2 表现为被动聚焦任务，Llama-3.1 则主动反驳模拟群体——这表明 CED 无需微调即可将“顺从”与“能力”解耦。