多个大语言模型组成的系统如何超越个体能力总和，形成真正的“集体智慧”？美国东北大学的Christoph Riedl为此开发了一个全新的信息论框架。该研究首次量化并证实，通过精心设计提示词，可以引导多智能体系统从简单的个体聚合演变为具有高效协同能力的整合集体，揭示了其涌现行为的内在机制。
研究人员设计了一个无直接交流的“团队猜数字”任务，让多个gpt-4.1和Llama-3.1-8B智能体参与，并应用其开创性的信息论框架来分析智能体间的协同行为。该框架基于部分信息分解（partial information decomposition，一种拆解多个信息源对目标变量的共享、独特和互补贡献的技术）和时滞互信息（time-delayed mutual information，一种衡量系统过去状态与未来状态关联性的方法）。研究设置了三种条件：基础控制组、为每个智能体分配不同“角色”（Persona）的身份组，以及在分配角色的基础上，增加“思考其他智能体行为”（Theory of Mind）提示的引导组。结果显示，控制组的智能体虽有暂时的动态关联，但整体协调性差。角色组产生了稳定的个体分工，但协同效率不高。而引导组则表现出最强的“集体智慧”：智能体不仅分工明确，还能互补协作，形成一个目标导向的整合单元。这一发现证明，多智能体系统的协同能力并非自发产生，而是可以通过外部指令（如提示词）进行有效引导和塑造。这种涌现的协同模式与人类团队中“目标一致”和“能力互补”的集体智能原则高度相似。