當多個LLM智能體共同創(chuàng)作內容時，它們會如何協(xié)調彼此的「話語權」？

想象一下，在廣告投放中，A航空公司和B度假村都希望吸引用戶的目光，但單獨宣傳各自的服務可能不如聯(lián)合推廣來得有吸引力。

那么，如何讓AI智能體像人類一樣展開博弈，在競爭與合作之間找到最佳平衡？

谷歌研究人員提出了一種創(chuàng)新的「token拍賣模型」，讓LLM在文本生成過程中通過「競拍」來決定最終輸出，確保每個智能體的利益最大化，同時生成最優(yōu)質的內容。

這種機制不僅能優(yōu)化廣告創(chuàng)意，還能拓展至智能客服、內容創(chuàng)作等多個領域，重新定義AI協(xié)作。

以廣告為例，當用戶搜索「夏威夷度假」時，網(wǎng)頁上可能會出現(xiàn)一個廣告位。A航空公司和B度假村這兩家廣告商，都希望在這個位置展示自家的廣告。

他們分別借助LLM生成廣告內容，比如A公司的「乘坐A航空，飛向夏威夷」，B度假村的「在B度假村，享受夏威夷的美景」。

但如果能將兩者的優(yōu)勢結合，形成聯(lián)合廣告「乘坐A航空抵達夏威夷，在B度假村享受夢幻一周的度假體驗」無疑會更具吸引力，也能更好地滿足用戶夏威夷度假的需求。

假設有兩個分別代表虛擬廣告商A航空和B度假村的智能體，它們的任務是合作一則聯(lián)合廣告創(chuàng)意。

然而，這種合作并不容易實現(xiàn)。

每個LLM背后的廣告商都有自己的偏好和利益訴求。廣告商們都希望自家的產品或服務能在廣告中被重點提及，并且突出展示那些他們認為更有吸引力的特點。

這就好比在一場團隊比賽中，每個隊員都想讓自己負責的部分成為焦點。

這種情況下，如何協(xié)調多個LLM的輸出，讓它們共同生成一個既能滿足各方利益，又能達到最佳效果的聯(lián)合輸出，成為了一個需要解決的問題。

Token「拍賣」模型

為了解決上述問題，研究人員提出了token拍賣模型。

該模型以token為單位，逐個進行拍賣。在每次拍賣中，每個LLM作為競拍者，根據(jù)自身的能力和意愿對下一個token進行出價。模型的核心任務包括：

1. 擴展共享的token序列：決定下一個添加到文本中的token。

2. 確定每個競拍者的支付費用：通過支付函數(shù)計算每個LLM需要支付的費用。

分布聚合函數(shù)在此過程中扮演裁判角色，綜合考慮每個LLM提供的token分布和出價，生成新的聚合分布。支付函數(shù)則負責確定每個智能體的支付金額，激勵其真實地表達自身偏好。

先來看看單個LLM是如何工作的。當模型接收到一段輸入文本后，會根據(jù)自己所學的知識和模式，給出下一個可能出現(xiàn)的token的概率分布。

例如，輸入「機制設計為」，模型可能會輸出 [(大型，0.8), (生成式，0.2)]，這意味著下一個token是「大型」的概率為80%，是「生成式」的概率為20%。

基于這種概率分布，LLM可以自動生成文本，從一個初始的提示文本開始，不斷根據(jù)概率分布選擇下一個token，直到生成一個完整的文本。

token拍賣模型在此基礎上進行了拓展，它以token為單位，逐個進行拍賣。

在這個「拍賣會」上，每個LLM都是一個「競拍者」，它們根據(jù)自己的能力和意愿出價。

同時，token拍賣模型承擔著兩個關鍵任務：一是擴展共享的token序列，也就是決定下一個添加到文本中的token；二是確定每個「競拍者」需要支付的「費用」。這兩個任務分別由分布聚合函數(shù)和支付函數(shù)來完成。

Token拍賣模型架構

分布聚合函數(shù)就像是一個裁判，它綜合考慮每個LLM給出的token分布和它們的出價，然后給出一個新的聚合后的token分布。

假設有三個LLM智能體，當前共享的token序列是「機制設計為」，智能體1的LLM給出的分布是 [(大型，0.8)，(生成式，0.2)]，出價為1；智能體2的分布是 [(大型，1.0)]，出價為2；智能體3的分布是 [(生成式，1.0)]，出價為2。

那么，分布聚合函數(shù)可能會根據(jù)出價加權平均的方式，得到一個新的聚合分布 [(大型，0.56)，(生成式，0.44)] 。

設計空間縮減

在Token拍賣模型的設計中，研究人員強調了以下兩個理想屬性：

• 支付單調性：如果一個LLM提高了出價，那么在最終的聯(lián)合輸出中，其偏好應得到更好的體現(xiàn)。
• 一致聚合：不同LLM的分布應以合理、一致的方式進行聚合。

通過嚴謹?shù)臄?shù)學推導，研究人員發(fā)現(xiàn)，這兩個屬性等同于要求分布聚合函數(shù)具有單調性。這一發(fā)現(xiàn)縮小了分布聚合函數(shù)的設計空間，使得模型設計和分析更加簡潔。

支付函數(shù)負責確定每個智能體需要支付的費用。支付單調性意味著如果一個智能體提高了出價，那么它在最終的聯(lián)合輸出中應該得到更好的待遇，也就是聚合后的分布應該朝著它更偏好的方向變化。

一致聚合則要求不同的LLM在參與拍賣時，它們的分布能夠以一種合理、一致的方式進行聚合。

「第二價格」支付機制

在拍賣理論中，「第二價格」支付方式被證明能夠提供良好的激勵效果。

在傳統(tǒng)的單物品拍賣中，「第二價格」支付是指把物品賣給出價最高的競拍者，但讓他支付第二高的出價。

在token拍賣模型中，研究人員也借鑒了這一理念。他們證明了（在一些合理的假設條件下），任何單調的分布聚合函數(shù)都可以采用類似「第二價格」的支付方式。

這種支付方式的好處在于，它可以促使智能體更真實地出價，因為即使他們提高出價贏得了競拍，也不需要支付過高的費用，從而避免了智能體為了獲得更好的結果而盲目抬高出價的情況。

最優(yōu)聚合策略

為了設計最優(yōu)的分布聚合函數(shù)，研究人員從先進的LLM訓練方法中汲取靈感，構建了聚合損失函數(shù)。

該函數(shù)為每個輸出分布關聯(lián)一個總損失值，目標是通過調整分布聚合函數(shù)，使總損失最小化。

研究人員提出了兩種有效的分布聚合函數(shù)：

• 線性分布聚合函數(shù)：輸出分布為出價加權平均值。
• 對數(shù)線性分布聚合函數(shù)：在對數(shù)空間中執(zhí)行加權平均操作。

這兩種聚合函數(shù)在不同的場景下都有著良好的表現(xiàn)，為實際應用提供了更多的選擇。

實驗結果

為了驗證token拍賣模型的有效性，研究人員進行了一系列實驗。

他們選擇了現(xiàn)有的LLM，并通過提示調整（prompt tuning）的方式，讓模型扮演不同的廣告商角色。

在前面提到的A航空公司和B度假村的例子中，研究人員展示了在不同的出價相對權重（λ）下，線性聚合規(guī)則和對數(shù)線性聚合規(guī)則生成的廣告內容。

隨著λ值的變化，生成的廣告內容呈現(xiàn)出有趣的變化。

當λ=1時，廣告主要提及A航空公司；隨著λ逐漸減小，廣告開始同時提及A航空公司和B度假村。當λ=0時，廣告則主要宣傳B度假村。

實驗結果顯示，隨著出價權重的變化，生成的廣告內容能夠合理地體現(xiàn)各方的利益訴求，實現(xiàn)了不同廣告商之間的有效協(xié)作。

此外，研究人員還展示了更多不同提示，包括競爭廣告商場景下的實驗結果，進一步證明了token拍賣模型的靈活性和有效性，為多個LLM的協(xié)作提供了方案。

LLM的機制設計研究為多個LLM的協(xié)同工作帶來了啟發(fā)。

Token拍賣模型的提出，解決了多模型協(xié)作中的關鍵問題，還為后續(xù)的研究和應用奠定了基礎。

從實際應用的角度來看，這種機制在廣告、內容創(chuàng)作、智能客服等領域都有著廣闊的應用前景。

例如，在廣告領域，它可以讓不同品牌的廣告更巧妙地融合，提高廣告的吸引力和效果；在內容創(chuàng)作方面，多個智能體可以通過這種機制共同創(chuàng)作出更豐富、多元的作品。