智能体报信心会虚高：审计枢轴计分把分配收益算进转移，越界报告变少
核心概要
多智能体系统里，置信度一旦决定谁获得下游算力与决策权重，智能体就有动机虚报。审计枢轴计分机制（APSM）把平台控制的分配收益从转移中抵消，用逆倾向加权的稀疏审计核验结果，再收取 Clarke 枢轴外部性并叠加严格适当评分，使真实报告成为唯一期望效用最优回应。在无计算器实验中，Top-K 激励下智能体确实抬高置信度；在智能体本地效用接口辅助下，APSM 相对补偿式适当评分（CPS）取得更低的 Brier 损失和更少的截断越界，但 CPS 的精确分配匹配率更高。
深度剖析
置信度在多智能体协调中已不只是不确定性的描述，而是决定有限下游注意力、算力和决策权重如何分配的分配信号，因此报告本身成为策略行为。 此前的校准方法大多把报告概率当作被动预测，通过事后校准、提示式置信度引出或多智能体审议来改善置信度质量，并不处理置信度控制选择时产生的报告激励。 无计算器实验中，同一批冻结候选与初始置信度下，仅保留分配收益的 Selection-only 条件相对中性重报把置信度抬高，并有相当比例的合格智能体越过 Top-K 截断；加入尺度匹配的 Brier 评分后偏移缩小，但仍有智能体越界。
APSM 在转移中抵消平台控制的分配收益，使智能体无法靠抬高报告换取离散的选择收益。 仅靠严格适当评分不够：越过硬分配阈值带来离散收益，而小幅虚报造成的 Brier 损失是二次的，因此在阈值附近虚报仍可能有利。 机制在固定候选内容、风险中性且只关心当轮效用的智能体、与报告无关的审计，以及可准确建模的平台收益等假设下，推出真实报告是唯一期望效用最优回应；在 AgentWebBench 与 MultiAgentBench 数据库诊断两个六智能体工作流的受控回放中，APSM 把参考偏差降到零并精确复现参考分配。
APSM 用逆倾向加权的稀疏审计核验结果，并收取 Clarke 枢轴外部性，让智能体承担其占用有限协调位置给其他智能体带来的机会成本。 补偿式适当评分（CPS）保留收益补偿和适当评分，但省略了审计后的 Groves 分配项，因此不包含偏离导致低效分配时的信念空间损失。 在精确执行下 CPS 与 APSM 都达到零参考偏差和精确分配匹配；差异出现在近似执行中，效用噪声为 0.05 时 APSM 把改变分配的错误从 CPS 的 17.2% 降到 11.2%，NDCG@5 从 0.304 升到 0.356，且在匹配平均效用范围后优势仍在。
启示与展望
已演示的范围是固定候选内容、风险中性且只最大化当轮期望效用的智能体、与报告无关的稀疏审计，以及可被平台准确建模并抵消的分配收益；评测覆盖 AgentWebBench 的 200 条网页检索查询和 MultiAgentBench 数据库扩展的 50 个 PostgreSQL 事件，每个环境使用两名 Qwen3-8B、两名 Qwen3-4B 和两名 DeepSeek-V4-Pro 智能体与三个配对种子。
真实性保证依赖平台准确建模其控制的分配收益；在确定性 Top-K 下，即使残留很小的未补偿收益也可能在截断附近重新引入阈值操纵。稀疏审计保持期望激励不变，但审计率降低会放大转移方差和尾部幅度。参考信念是智能体本地代理而非可观测真值，且 APSM 并非在所有情况下都比 CPS 更易执行。