确定性 大语言模型（LLM，Large Language Model） 多智能体审议中的低边际分支点审计

一项白盒审计发现，在五智能体委员会以贪婪解码进行确定性审议时，低边际 token 位置比高边际对照更容易因内部干预产生分支。研究先要求无操作精确重放，再注入范数相对残差位移，测量十个生成 token 内的首次转录分歧，并追踪部分实际分支以区分文本延续与偏好及最终决策变化。作者强调这是特定协议下的受控审计，不估计部署频率或决策正确性。