การให้ AI Agent หลายตัวร่วมกันปรึกษาหารือ (Multi-Agent Deliberation) เป็นวิธีที่ได้รับความนิยมในการเพิ่มความแม่นยำ แต่ที่ผ่านมายังขาดโมเดลทางคณิตศาสตร์ที่อธิบายกระบวนการนี้ได้ชัดเจน งานวิจัยนี้เสนอว่า AI Agent แต่ละตัวมี 'Hidden Anchor' หรือความเชื่อภายในที่มั่นคง ซึ่งจะดึงดูดความคิดเห็นของมันไว้ไม่ให้ไหลไปตามกลุ่มเพียงอย่างเดียว
การค้นพบที่สำคัญคือ ระบบที่ขับเคลื่อนด้วย Anchor นี้สามารถทำให้ Agent มีความมั่นใจในคำตอบที่ถูกต้องสูงกว่าระดับเริ่มต้นของสมาชิกทุกคนในกลุ่ม (Escaping the convex hull) ซึ่งเป็นพฤติกรรมที่กฎการหาข้อสรุปร่วมกันแบบเดิมอธิบายไม่ได้ งานวิจัยทดสอบกับโมเดลแบบ Open-weight หลายตระกูล และพบว่าเราสามารถดึงข้อมูล Anchor เหล่านี้ออกมาจากประวัติการสนทนาเพื่อพยากรณ์พฤติกรรมของกลุ่มในอนาคตได้
