随着以大型语言模型（LLMs）为驱动的Web迅速向以智能体为中心的范式演进，使得自主智能体能够在复杂的去中心化环境中进行推理、规划和交互。然而，基于LLM的多智能体系统的开放性和异质性也加大了欺骗、诈骗和虚假信息的风险，给信任建立和系统稳健性带来严重挑战。为了解决这个问题，我们提出了Ev-Trust，基于进化博弈理论的策略均衡信任机制。该机制将直接信任、间接信任和预期收益整合到动态反馈结构中，引导智能体的行为演化朝向均衡。在去中心化的“请求-响应-支付-评估”服务框架内，Ev-Trust使智能体能够自适应调整策略，自然地排除恶意参与者，同时强化高质量的协作。此外，我们基于复制动态方程的理论推导证明了局部进化均衡的存在性和稳定性。实验结果表明，我们的方法有效反映了LLM驱动的开放服务交互场景中的智能体可信度，减少了恶意策略，并增加了集体收益。我们希望Ev-Trust能够为群体进化博弈场景中的智能服务网络提供信任建模的新视角。“},{
Yang et al. (Thu,) studied this question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: