Bisakah AI Agent menjalankan konsensus blockchain? ETH Zurich melakukan uji coba: tingkat keberhasilan hanya 41,6%

Mencapai konsensus di bawah kondisi di mana sebagian peserta mungkin bertindak jahat adalah tantangan inti yang dihadapi semua sistem terdesentralisasi, yang dalam komputasi terdistribusi dikenal sebagai masalah toleransi kesalahan Bizantium. Berbagai mekanisme konsensus blockchain pada dasarnya berupaya memecahkan berbagai varian dari masalah ini. Tim peneliti dari ETH Zurich menguji secara langsung kemampuan konsensus Bizantium dari LLM Agent dalam makalah "Can AI Agents Agree?": Beberapa Agent melakukan siaran proposal dan pemungutan suara secara berulang melalui jaringan full-connected yang sinkron, dengan sebagian Agent bertindak sebagai node Bizantium jahat yang sengaja merusak proses. Tim menggunakan Qwen3-8B dan Qwen3-14B, menjalankan ratusan simulasi dengan berbagai skala kelompok (4, 8, 16 Agent) dan proporsi node jahat.

Bahkan tanpa node jahat sama sekali, tingkat konsensus efektif hanya 41,6% (Qwen3-14B sebesar 67,4%, Qwen3-8B hanya 15,8%). Semakin banyak node, semakin sulit mencapai konsensus, dengan tingkat keberhasilan turun dari 46,6% pada 4 Agent menjadi 33,3% pada 16 Agent. Setelah menambahkan node jahat, konsensus semakin memburuk, dengan kegagalan terutama berupa timeout dan stagnasi konvergensi (kehilangan liveness), bukan manipulasi nilai. Hanya dengan menyebutkan "kemungkinan adanya node jahat" dalam prompt, tingkat keberhasilan Qwen3-14B turun dari 75,4% menjadi 59,1%, meskipun sebenarnya tidak ada node jahat. Kesimpulan makalah menyatakan bahwa konsensus yang andal belum menjadi kemampuan emergen yang dapat diandalkan dari LLM Agent saat ini, sehingga penerapan terdesentralisasi yang bergantung pada koordinasi yang kuat harus dilakukan dengan hati-hati.