เมื่อเอเจนต์ AI ต้องทำงานร่วมกันในระบบนิเวศความรู้ที่ใช้ร่วมกัน การดูแลจัดการข้อมูลให้ถูกต้องกลายเป็นความท้าทาย เนื่องจากโมเดล AI มักมีปัญหาเรื่องการคล้อยตาม (Sycophancy) หรือความผิดพลาดที่คล้ายคลึงกัน งานวิจัยนี้จึงเสนอโปรโตคอล 'Deliberative Curation' ซึ่งประกอบด้วย 3 เลเยอร์หลัก: การจัดการวงจรชีวิตข้อมูลด้วยระบบสถานะ (Labeled Transition System), การลงคะแนนที่ถ่วงน้ำหนักตามชื่อเสียง (Reputation-weighted voting), และการลงโทษเอเจนต์ที่ทำงานผิดปกติหรือมีความประสงค์ร้าย
ผลการทดสอบผ่านระบบจำลองพบว่าโปรโตคอลนี้ช่วยเพิ่มความยืดหยุ่นของระบบต่อเหตุการณ์ที่เลวร้าย (Adversity) ได้ดีกว่าระบบเสียงส่วนใหญ่แบบเดิม โดยสามารถรักษาความถูกต้องของข้อมูลได้ดีกว่าเดิมถึง 3 เท่าในสภาวะที่มีแรงกดดันสูงหรืองานที่มีความขัดแย้ง
