ETH Zurich ทดสอบความสามารถในการเห็นด้วยของ AI Agent บนบล็อกเชน: อัตราความสำเร็จเพียง 41.6%

ข่าว Gate News เมื่อวันที่ 9 มีนาคม คณะวิจัยจาก ETH Zurich ได้ทดสอบความสามารถในการบรรลุฉันทามติแบบบาอิซันเทียนของ LLM Agent ในงานวิจัย “Can AI Agents Agree?” โดยมีพื้นฐานจากปัญหาการบรรลุฉันทามติในสภาพที่บางส่วนของผู้เข้าร่วมอาจมีเจตนาไม่ดี ซึ่งเป็นความท้าทายหลักของระบบแบบกระจายศูนย์ โดยกลไกฉันทามติของบล็อกเชนต่าง ๆ ล้วนเป็นการแก้ปัญหาบาอิซันเทียนในรูปแบบต่าง ๆ

ทีมวิจัยใช้โมเดล Qwen3-8B และ Qwen3-14B ในการรันจำลองหลายร้อยครั้งในกลุ่มที่มีขนาดแตกต่างกัน (4, 8, 16 ตัวแทน) และอัตราโหนดที่เป็นเจตนาไม่ดี ผลการทดสอบพบว่า แม้ไม่มีโหนดเจตนาไม่ดีเลย อัตราการบรรลุฉันทามติที่มีประสิทธิภาพก็มีเพียง 41.6% (Qwen3-14B อยู่ที่ 67.4% และ Qwen3-8B เพียง 15.8%) ยิ่งจำนวนโหนดมากขึ้น ยากที่จะบรรลุฉันทามติ ความสำเร็จลดลงจาก 46.6% เมื่อมี 4 ตัวแทน เหลือเพียง 33.3% เมื่อมี 16 ตัวแทน หลังจากเพิ่มโหนดเจตนาไม่ดี การบรรลุฉันทามติยิ่งแย่ลง โดยความล้มเหลวมักเกิดจากการหมดเวลาและการหยุดนิ่งของการรวมตัว (การสูญเสียความสามารถในการทำงาน) มากกว่าการถูกแก้ไขข้อมูล ผลการทดลองยังแสดงให้เห็นว่า การระบุในคำแนะนำว่า “อาจมีโหนดเจตนาไม่ดี” ทำให้ Qwen3-14B มีอัตราความสำเร็จลดลงจาก 75.4% เหลือ 59.1% แม้ในสภาพที่ไม่มีโหนดเจตนาไม่ดีจริงก็ตาม

บทสรุปของงานวิจัยชี้ให้เห็นว่า ความน่าเชื่อถือของฉันทามติยังไม่ใช่ความสามารถที่ LLM Agent สามารถพึ่งพาได้ในปัจจุบัน และสำหรับการใช้งานในระบบแบบกระจายศูนย์ที่ต้องการความเสถียร ควรใช้ความระมัดระวัง