摘要
审议投票承诺通过让股东接触广泛的论据来改善集体决策。然而，确保每位选民遇到代表性的理由空间样本的覆盖问题，尤其是在大规模和对抗性或战略性动机的选民中，仍然是一个未解决的挑战。本文介绍了一种使用基于LLM的代理双极论证模拟器（ABAS）评估解决方案的方法，建立在一个将投票形式化为六元组的框架中，包括支持和反对的理由、攻击与增强关系，以及股东和关系权重。
ABAS模拟了N个自主股东代理，每个代理根据[-1, 1]区间内的期望分布被分配一个潜在意见，依次进行投票、选择或创作理由，并可选择提交论证图链接。模拟器实施了对现有理由的排名推荐，依据其可观察的支持质量来评估机制的成功，特别是通过覆盖率，即在每个股东呈现的K个推荐中，所代表的理由标签集的比例，这是解决NP难的子归纳理由问题。
实验报告表征了创造率（pown）、推荐大小（K）、论证密度（plinks）和人口规模（N）如何影响覆盖率和语料库的多样性。在一个无法发生Sybil攻击且仅关系图可被操控的认证选民中，我们通过协调的战略投票攻击对评分进行了压力测试：标签洪水攻击显著降低了覆盖率，而通过反向PageRank规则对作者计数关系加权的方式，明显优于均匀权重的洪水抵抗能力。
博主点评： 本文通过引入代理双极论证模拟器，为解决传统审议投票中的覆盖问题提供了创新的思路。尤其是在对抗性环境下，如何有效地模拟选民行为并评估决策质量，展示了复杂系统中的多样性和策略性挑战。未来可期的研究方向是如何进一步优化该模拟器以适应更广泛的应用场景。