近日，一篇题为《Agentic Analysis for Agentic Infrastructure: An LLM-Powered Pipeline for Comparative Governance of DAO and Corporate AI Protocols》的论文以预印本形式发布在 arXiv 上，编号为 arXiv:2606.26203（cs.AI，交叉多智能体系统 cs.MA），提交时间为 2026 年 6 月 24 日 16:34:54 UTC，文件大小约 870 KB。论文作者为 Yutian Wang 等两人，提交人显示为 Luyao Zhang，DOI 为 10.48550/arXiv.2606.26203（DataCite 注册尚待完成）。
研究切入的问题是：随着 AI 智能体协议不断增多，塑造其互操作标准的治理结构却一直缺乏系统的实证考察。为此，作者提出了一套由大语言模型驱动的比较式分析流水线，用于大规模治理话语研究。该流水线整合了自动化标注、神经主题建模与多层网络分析三种手段，目标是在规模化层面刻画社会—技术权力结构，而不仅仅停留于文本描述。
为验证方法有效性，论文选取了两个形成鲜明对照的智能体互操作标准：ERC-8004 与 Google A2A。前者被描述为无需许可、运行于链上的开放式标准，后者则是由企业主导的协议。研究共分析 4,323 条治理参与记录，将 LLM 辅助编码、主题建模与多层网络分析结合，考察制度设计如何影响议题优先级与社区结构。
研究结果呈现出两个层面的发现。首先，治理形式确实会影响实质性议题的关注焦点，即不同制度安排下讨论的主题分布存在差异。其次，尽管治理形态不同，两种机制在参与不平等与社区碎片化程度上表现出相当接近的水平。换言之，开放式治理并未自动消除权力集中或社群分裂的问题。
另一个值得注意的结论是话语对齐密度的差异：在无需许可的开放治理环境中，话语之间的对齐关系更为密集，这暗示开放治理可能在参与高度去中心化的同时，促成更高程度的主题趋同。作者据此认为，此类发现对设计更公平的智能体 AI 标准具有启示意义。
在方法层面，论文强调 LLM 辅助方法能够推进技术治理的实证研究，为大规模比较分析提供可复用的工具路径。论文声明所有数据与代码均公开可用，读者可通过 arXiv 页面获取 PDF、实验性 HTML 版本与 TeX 源码，并附有许可信息。需要说明的是，该文为 2026 年 6 月的新投稿（v1），属于预印本，其结论尚待同行评审与后续研究检验；文中的治理参与记录规模与主题划分方式，也决定了结论的可推广范围应被谨慎解读。