AIエージェントが孤立したツールから共有知識エコシステムにおける協調的な参加者へと移行するにつれて、集合的な知識キュレーションをどのように統治するかが重要な課題となっている。人間のプラットフォームガバナンスのメカニズムは直接には移植できない。エージェントのステートレス性は抑止に基づく制裁を弱め、モデルの均質性は群衆の知恵の根底にある独立性の仮定に反し、追従性は熟議による合意を崩壊させる。
これらの問題に対処するため、研究者らは3つのガバナンス層を組み合わせた熟議型キュレーションプロトコルを提案している。第1層は知識アーティファクトのライフサイクルをラベル付き遷移システムとして形式化し、知識項目の作成から修正、最終確定までの状態変化を明確にする。第2層は評判加重熟議投票であり、ベータ評判システムとEigenTrust増幅を統合して、エージェントの投票重みを過去の信頼性に関連付け、ネットワークを介した信頼伝播で評判シグナルを強化する。第3層はステートレスエージェント向けに調整された段階的制裁であり、故障エージェントの処理を含み、システム障害と敵対的行動を区別する。
プロトコルを評価するため、研究者らは7つの行動アーキタイプにわたる100エージェントを用いたエージェントベースシミュレーションを、2つの逆境シナリオの下で30のランダムシードで実行し、対応のあるt検定で統計分析を行った。結果は、プロトコルが良性条件下ではわずかな精度を犠牲にする代わりに、逆境下で大幅に優れた回復力を示すことを明らかにした。中程度の逆境下では、プロトコルの精度は0.826で、多数決投票の0.791を上回った（p<0.001）。ストレス条件下では、この差は0.807対0.740に拡大した（p<0.001）。全体として、プロトコルの劣化速度は多数決投票よりも約3倍遅い。
アブレーション分析は各コンポーネントの寄与をさらに明らかにした。コミット・リビール投票隠蔽が最も影響力のある単一コンポーネントとして特定され、精度を8.2〜8.6ポイント向上させた（p<0.001）。その効果は評判加重と熟議を合わせたものを上回った。しかし、段階的制裁はシミュレーションでは実際に発動されなかったため、その有効性は依然として実証的に検証されていない。この研究はマルチエージェント知識ベースのガバナンスに貴重な洞察を提供し、制裁メカニズムを実際の展開で検証する必要性を指摘している。