ETH Zurich фактические испытания способности AI-агента к консенсусу в блокчейне: уровень успеха всего 41,6%

Gate News сообщает, 9 марта команда исследователей из Швейцарской высшей технической школы Цюриха (ETH Zurich) в статье «Can AI Agents Agree?» протестировала способность LLM-агентов достигать консенсуса по модели Бейзантины. Исследование проводится в условиях, когда некоторые участники могут действовать злонамеренно, что является основной проблемой для всех децентрализованных систем; различные механизмы консенсуса в блокчейне по сути решают задачу отказоустойчивости Бейзантины в различных вариациях.

Команда использовала модели Qwen3-8B и Qwen3-14B, проводя сотни симуляций при разных размерах групп (4, 8, 16 агентов) и долях злонамеренных узлов. В тестах несколько агентов через синхронную полностью связную сеть многократно транслировали предложения и голосовали, при этом некоторые агенты выступали в роли злонамеренных Бейзантиных узлов, намеренно нарушая процесс.

Результаты показали, что даже при полном отсутствии злонамеренных узлов уровень эффективного консенсуса составлял всего 41,6% (Qwen3-14B — 67,4%, Qwen3-8B — всего 15,8%). Чем больше узлов, тем сложнее достичь согласия: успешность снижалась с 46,6% при 4 агентах до 33,3% при 16. После добавления злонамеренных узлов ситуация ухудшалась: основные причины сбоев — тайм-ауты и застой в сходимости (потеря активности), а не искажение значений. Упоминание в подсказке о «возможных злонамеренных узлах» снижало успешность Qwen3-14B с 75,4% до 59,1%, даже если злонамеренных узлов на самом деле не было.

В заключении статья отмечает, что надежный консенсус пока не является проявленной способностью современных LLM-агентов, и для децентрализованных систем, требующих устойчивой координации, следует проявлять осторожность.