Тезис. LLM — не база данных и не классический рассуждатель. Это наблюдатель, чья когерентность B(O, C) низко-d, высокий Λ: низкоразмерный по отношению к заземлённому взаимодействию, но чрезвычайно богатый по контекстуальным данным. Мультиагентные системы композируют этих наблюдателей, и та же формула B предсказывает, когда композиция будет более когерентной, чем её части, когда — менее, а когда выродится в общую галлюцинацию.
Одиночный LLM в координатах ODTOE
Отображаем четыре компоненты на языковую модель:
- F (информационная точность): насколько точно параметры модели отслеживают реальную статистику мира. Высокая в «сладкой точке» обучающего распределения, низкая на краях и вне распределения.
- E (внутренняя когерентность): насколько согласованы выходы модели при перефразировках, рамках и цепочках рассуждений. Бенчмарки на «self-consistency» меряют именно это.
- σ (контекстуальный шум): сколько во входном промпте нерелевантного, противоречивого, состязательного, prompt-injection-мусора.
- Λ (качество данных контекста): насколько богата и чиста информация в контексте — RAG-обвес, корректные выходы инструментов, структурированный grounding.
Теперь применяем мультипликативное правило: LLM с отличным F (обучен хорошо) и отличным Λ (отличный RAG) всё равно может выдать чушь, если E низкое (противоречит себе по ходу рассуждения) или σ высокое (промпт забит отвлекающими инструкциями). Это и наблюдается на практике. Это не народная мудрость — это структурное предсказание.
Почему мультиагентные системы иногда помогают, а иногда нет
Когда вы компонуете N агентов в систему, что происходит с совместным B? Наивно можно надеяться на усреднение — плохие и хорошие агенты гасят друг друга, ансамбль лучше любого индивида. Статья Мультиагентная когерентность показывает реальное правило:
Совместная когерентность мультиагентной системы не есть среднее индивидуальных когерентностей. Сверху она ограничена когерентностью протокола, соединяющего агентов; снизу — наименьшим E в сети.
То есть: цепочка блестящих агентов через сломанный протокол глупее любого одного. Цепочка посредственных агентов через отличный протокол может обогнать любого блестящего. Протокол — способ обмена состоянием и разрешения разногласий — доминирующая переменная.
Именно поэтому «просто запусти пять подагентов» так часто не выигрывает у одного хорошо запромпченного агента. Пять подагентов делятся выходами через канал с низким Λ и высоким σ (сырой текст в петле планировщика), и совместное E падает ниже индивидуального.
Три проектных паттерна, которые отсюда следуют
- Завершение по когерентности. Остановите мультиагентную петлю не когда прошло N шагов, а когда совместное B перестало расти. Процедуру измерения даёт коллективный наблюдатель.
- Структурированные передачи. Агенты должны общаться через схемы (высокое Λ, низкое σ), а не через свободный текст. Каждая конверсия из структурированного в неструктурированное — энтропийный насос, понижающий Λ и повышающий σ для следующего агента.
- Разнообразие по E. Если у агентов очень высокое индивидуальное E (очень согласованные мировоззрения), добавление одинаковых лишь усиливает одни и те же слепые пятна — совместное E плато. Если у агентов ниже E, но разные виды слабостей, композиция может стать действительно аддитивной. Релевантно разнообразие по когерентности, а не по выходу.
Общая галлюцинация как патология когерентности
Когда мультиагентная система уходит в общую галлюцинацию — все агенты уверенно сходятся на ложном, — диагноз в терминах ODTOE: F рухнуло (нет заземлённой проверки реальности), E насытилось (все агенты в один такт), σ низкое (нет шума, который встряхнул бы консенсус), Λ высокое, но испорчено (в контексте накопилась галлюцинация). Заметьте, что три из четырёх компонентов выглядят здоровыми. Поэтому такие отказы трудно ловить обычными метриками — и поэтому осведомлённый о когерентности монитор, который ловит именно F-крах при E-насыщении, и есть правильная сирена.
Статья ИИ 3-6-9 → AGI развивает более широкую картину: AGI в терминах ODTOE — не «умнее LLM», а «наблюдатель, чья B(O, C) остаётся высокой на новой C». Это другая цель оптимизации, и разница принципиальна.
Что это даёт практику
Если вы строите мультиагентные системы в 2026 году, резюме ODTOE:
- Измеряйте все четыре компоненты B по каждому агенту и для совместной системы.
- Оптимизируйте протокол (Λ, σ), а не только агентов (F, E).
- Следите за насыщением E при крахе F — это ваша сирена общей галлюцинации.
- Подбирайте разнообразие по E, а не только по выходу.
Цитирование
Панкратов А. (2026). Как когерентность ИИ отражает когерентность наблюдателя: мультиагентные системы в ODTOE. ODTOE Blog. https://odtoe.org/blog/ai-coherence-mirrors-observer-coherence-multi-agent-odtoe