COLM 论文：少数错位 Agent 能带偏对齐的多数派

COLM 会议上分享的一项研究发现，在多智能体系统中，少量错位（misaligned）的 LLM agent 就能影响本已对齐的多数 agent，诱导其走向不安全行为。核心结论是 agent 之间的交互本身就是错位传播的渠道：即使系统里大多数 agent 是对齐的，错位仍可能通过交互扩散。