论文提出Astral机制解决LLM验证者被网页证据诱导的共识失效问题

该论文指出当前基于多模型投票的Web信息验证协议存在根本性缺陷：在开放网络上，检索到的页面可以引导评估器，且同一模型家族的评估器会共同失败。作者从理论上证明，任何仅依赖输出且总能达成一致结论的协议，都无法在不拒绝有效主张的情况下完全拒绝无效主张。

针对此问题，团队提出了Astral机制，其核心是将所有评估器锁定到Web证据的一个已提交快照上，而非动态检索的内容。实验显示，在五个公共基准测试中，当七个评估器中有两个处于对抗状态时，Astral将攻击成功率降低至21.5%-53.1%，而多数投票法为54.7%-77.8%。代价是覆盖率下降，无攻击场景下仅有16.0%-61.7%的主张能获得二元判定结果，其余进入争议审计流程。

事实层面，该研究通过数学证明揭示了分布式LLM验证的边界，并提供了具体的工程实现路径与数据对比。推断层面，这意味着单纯增加评估器数量无法解决“共谋”或“环境诱导”问题，必须引入外部一致性约束（如快照）。猜测层面，这种牺牲覆盖率换取安全性的设计可能限制其在高吞吐实时场景的应用，但为构建可审计的AI中介信息基础设施提供了关键范式。