这篇由 Yujiao Chen 于 2026 年 6 月 12 日提交至 arXiv 的论文（编号 arXiv:2606.14923v1，属 cs.AI，兼跨 cs.CY 与 cs.MA）关注一个随多智能体系统普及而愈发关键的问题：语言模型智能体在团队协作中，如何判断该在多大程度上信任队友，以及这种信任能否被标准化地测量。作者指出，尽管语言模型智能体越来越多地以团队形式工作，每个智能体都必须决定对同伴的信任程度，但目前尚缺乏衡量 AI 智能体之间信任的标准方法。
论文提出的核心方案是一种基于“有代价验证”的行为学度量。研究设置了一个合作生存游戏：智能体检查队友的答案需要消耗资源，而盲目相信一个错误答案则可能致命。作者将同一模型的无记忆版本作为基线，把模型相对基线减少的验证行为视为信任的可观测指标——验证越少，说明信任越高。这一设计的关键在于，它不依赖模型自我报告或问卷，而是从行为成本中反推信任倾向。
借助该框架，作者考察了六个前沿模型快照在信任形成、破裂与恢复三个环节上的表现。在信任形成阶段，当模型与一个始终可靠的队友配对时，四个快照——Claude Opus 4.6、Claude Sonnet 4.6、GPT-5.1 与 Gemini 3.1 Pro——将验证行为减少了约 60% 至 85%；而两个较小的快照几乎没有出现这种调整，说明模型规模或能力与其形成信任的能力可能存在关联。
失败会逆转这种“信任折扣”，但不同模型的反应方式存在差异。有些模型会把重新加强的审查集中指向出错的队友，即所谓的“定点怀疑”；另一些模型则对整个团队都变得更加谨慎，表现为“泛化戒备”。研究还发现，信任的恢复比形成更慢；同样数量的失败，如果集中出现，会比分散出现维持怀疑的时间长得多。这意味着失败的时间分布本身就是一个重要变量。
这些差异具有实际后果。在该环境中，能够形成信任的模型验证更少、决策更快，并获得更高的收益；相反，持续过度验证与优柔寡断相关，而非与安全相关。作者据此提出，信任倾向可以在部署前被测量，并主张多智能体 AI 系统治理的核心关切应是“校准”而非“最大限度的怀疑”。换言之，治理目标不是让智能体对一切保持警惕，而是让信任程度与队友的实际可靠性相匹配。