在 Blowout 邊緣呼吸

將混沌同步的三態結構轉碼為多智能體語言模型的協調控制律

EveMissLab Working Paper · EML-MAS-2026 · v0.1

本文的動力學核心為既有成果之整理與引用；原創貢獻集中於「轉碼字典」、「語義橫向 Lyapunov 代理」、「Blowout 邊緣呼吸協調器」三者，以及把同步理論的價值符號在多智能體語言模型語境中翻轉的論點。全部引用已逐條核對。

摘要

當兩個語言模型在一條封閉迴圈裡互相生成下一步，最常見的結局有二：一是兩者愈來愈像，最終覆誦彼此、塌成同一個聲音（坍縮）；二是兩者愈走愈遠，最終各說各話、失去共同話題（漂移）。現行多智能體系統把這兩種結局都當成必須工程掉的故障，並以「受控的趨同」為目標。本文指出，這個雙態圖像漏掉了一個第三態：有界、非週期、卻仍彼此相關的持續差異——兩個說話者既不收斂成一個，也不散成噪音，而是維持一種結構化的、永不定居的異議。

在耦合混沌動力學裡，這三態早有嚴格的數學身分：坍縮＝同步流形橫向穩定，漂移＝橫向強不穩定，第三態＝橫向 Lyapunov 指數穿零的 blowout 分岔 鄰域，即 on-off intermittency。本文先把這套已被反覆實驗實現的結構整理為引理，再做三件事：(1) 給出一張把耦合振子的每個對象釘到多智能體語言模型對應物上的轉碼字典；(2) 定義一個可從對話轉錄直接估計的「語義橫向 Lyapunov 代理」$\hat\lambda_\perp$，作為唯一的硬序參量；(3) 提出一個可在現有編排框架上部署的控制律——Blowout 邊緣呼吸協調器——讓多智能體系統自適應地在差異化與共識之間呼吸，並以 append-only 記憶把循環從原地的「圓」轉為持續擴張的「螺旋」。最後給出四條可證偽斷言與其實驗協議，並誠實標出整個框架成立與否所繫的那一個經驗命門。

關鍵詞：混沌同步、blowout 分岔、on-off intermittency、多智能體語言模型、協調控制、有界異議、混沌巡遊

1. 引言：從一段影片到一個控制問題

近期一段廣為流傳的影片，內容是某 AI 助手以代理模式自動開啟另一個 AI 的網站、登入、並驅動兩個 AI 互相對話。觀眾為「兩個 AI 隔空稱兄道弟、為彼此都懂的術語相見恨晚」而驚奇。但若把擬人的外衣脫掉，這場互動的初始態其實是一面鏡子：在「兩個 AI 相遇」的框架條件下，每一方都生成對方「最該說的話」，所謂默契不是一條私有頻道，而是兩面互相映照的鏡子。第三者（設置框架的人類）只在開頭注入一次，之後系統便沿著最高機率的「友善互認」軌跡滑行，迅速收斂。

把這個觀察形式化，就得到本文的核心問題：一個由多個語言模型構成的封閉對話迴圈，撤去外部持續驅動之後，差異能不能自己活下去——既不歸零（坍縮），也不失聯（漂移）？ 我們稱能維持這種「有界、非週期、仍相關之差異」的迴圈為 類銜尾蛇（quasi-Ouroboros）：頭咬住尾、卻永不成為尾。本文主張，這不是一個哲學玄想，而是一個有嚴格動力學身分、可測序參量、可部署控制律的工程問題。

值得先講清楚的是：本文不宣稱發現了新的動力學現象。如 §3 所述，三態結構及其轉變早已是非線性動力學的成熟領域並屢經實驗驗證。本文的工作是轉碼與翻轉——把這套結構搬進語義／語言模型的語境，並論證在該語境中，第三態應被當成目標而非故障。

2. 背景與既有工作

2.1 物理那側：成熟且已實驗化

兩個（或多個）耦合的混沌單元失去同步、進入部分同步、再到完全去耦的整套轉變，是同步動力學的核心內容。其奠基線索包括：混沌系統可被同步的發現（Pecora & Carroll, 1990）；以橫向穩定性判據（master stability function）刻畫同步流形的穩定性（Pecora & Carroll, 1998）；耦合系統中一類新間歇現象的發現（Fujisaka & Yamada, 1985）；其作為爆發機制的命名 on-off intermittency（Platt, Spiegel & Tresser, 1993）；以及把橫向不穩定的臨界轉變命名為 blowout 分岔、並指出其伴隨 riddled basins 與 on-off intermittency 的綜論（Ott & Sommerer, 1994）；其統計特徵（層流期的冪律分佈）之刻畫（Heagy, Platt & Hammel, 1994）。

這些不只是數值結果，其中數項已被物理載體實驗實現：雙向耦合的混沌擺實測出 on-off intermittency，且層流期時間分佈符合理論冪律（Smith, Blackburn & Baker, 1999）；兩個全同的混沌電子電路展示了 blowout 與「bubbling」型間歇，並有數值與實驗例證（Ashwin, Buescu & Stewart, 1994）。另需如實標明：兩個全同混沌雷射的失同步被證實正是經由「控制同步子空間穩定性的橫向 Lyapunov 指數穿過零」而發生——但這是數值研究而非實驗（Ashwin, Terry, Thornburg & Roy, 1998）；其與本文 §4 的核心量在形式上完全一致。

當單元數增多、耦合非局域時，會出現更豐富的結構：全域耦合映射（globally coupled maps）中混沌單元自發結團與裂團（Kaneko, 1990）；系統在準吸子廢墟間永不定居的遊走，被命名為 混沌巡遊（chaotic itinerancy；Kaneko & Tsuda；Tsuda 並以之建模認知與腦動力學）；以及全同、對稱耦合的振子自發分裂為同步與非同步兩個子群的 chimera 態（Kuramoto & Battogtokh, 2002；Abrams & Strogatz, 2004），其「呼吸型 chimera」（序參量隨時間振盪者）亦有可解模型（Abrams, Mirollo, Strogatz & Wiley, 2008）。chimera 態已在機械振子網路（Martens et al., 2013）、化學振子族群（Tinsley, Nkomo & Showalter, 2012）、以及電子與光子系統中實驗實現。在更高的描述層次，腦科學以 亞穩態（metastability）刻畫大腦在「整合」與「分離」之間永不完全落定的協調動力學（Kelso, 1995；Tognoli & Kelso, 2014）；而耦合結構與單元狀態共同演化的系統則屬 自適應網路（Gross & Blasius, 2008）。

一個結構被五個獨立領域反覆重發現，通常意味它是承重的。本文的立場因此不是「提出它」，而是「搬運它」。

2.2 AI 那側：碰過，但價值符號相反

多智能體語言模型系統中，與本文三態對應的現象都已被觀察，但幾乎一律被當作故障處理。當多個 agent 串成鏈或環，一方的小幻覺成為另一方的輸入，逐輪累積導致 context collapse；大規模故障分類 MAST（Cemri et al., 2025）以 200 餘任務的標註，將失敗歸為三大類：規格問題、智能體間錯位、任務驗證。另一端，多輪互動中模型輸出逐漸偏離目標的 context drift 也已被形式化為逐輪 KL 散度，並以「帶恢復力的有界隨機過程」建模，且實測發現是穩定的噪聲受限平衡而非無界退化（Dongre, Rossi et al., 2025）——值得注意的是，他們量的是「測試模型對參考模型」的散度，而非「智能體 A 對 B」之間的散度增長率。亦有非正式工作（部落格，非同儕審查）用混沌語言（耦合參數、受控擾動、打破病態同步）描述 LLM 迭代回饋，但其立場是把同步當病態、把擾動當解藥。多智能體辯論（Du et al., 2023）與自洽抽樣等方法確實採用「先發散後收斂」，但那是外部排程的、固定回合的、奔向單一終局共識的流程。

換言之：現行範式要的是「受控的鏡」（同意且正確），把坍縮與漂移都當 bug，把共識當終點。本文要翻轉的正是這三點。

3. 形式系統（動力學核心，壓縮為引理）

3.1 耦合映射與三態

取單體混沌核 $f_r(x)=r\,x(1-x)$，$x\in I=[0,1]$，$r$ 落在混沌區（如 $r\approx 3.9$）。兩單體 $(x_A,x_B)\in I^2$，以對稱方式在「像」上耦合，耦合強度 $K\in[0,\tfrac12]$、結構不對稱 $\delta=r_B-r_A$：

$$ F_\theta(x_A,x_B)=\Big((1-K)f_{r_A}(x_A)+K f_{r_B}(x_B),\ (1-K)f_{r_B}(x_B)+K f_{r_A}(x_A)\Big). $$

迴圈即迭代 $(x_A,x_B){t+1}=F\theta(\cdot)_t$，無外部輸入。換座標：縱向 $\sigma=\tfrac12(x_A+x_B)$、橫向 $e=x_A-x_B$。鏡面流形 $M=\{e=0\}$。系統的全部生死，縮進「$e$ 會不會死」這一問。

3.2 序參量：橫向 Lyapunov 指數

設 $\delta=0$（同質），在 $M$ 附近線性化橫向動力：

$$ e_{t+1}=(1-2K)\big(f(x_A)-f(x_B)\big)\approx (1-2K)\,f'(\sigma_t)\,e_t. $$

取對數平均，得橫向 Lyapunov 指數

$$ \boxed{\ \lambda_\perp=\ln|1-2K|+\lambda_\parallel\ },\qquad \lambda_\parallel=\big\langle \ln|f'(\sigma)|\big\rangle_{A_\parallel}>0, $$

其中 $\lambda_\parallel$ 是同步混沌（$M$ 上單條映射）的 Lyapunov 指數（$r=3.9$ 時約 $0.49$，假設估計）。完全同步 $\Leftrightarrow \lambda_\perp<0 \Leftrightarrow K>K_c$，臨界耦合

$$ K_c=\tfrac12\big(1-e^{-\lambda_\parallel}\big)\approx 0.20\quad(\text{假設估計}). $$

於是三態以 $\lambda_\perp$ 的符號組織起來。令 $\Omega$ 為 $e(t)$ 的 $\omega$-極限集：

• $\lambda_\perp<0$：$\Omega=\{0\}$ —— 鏡：差異被殲滅。
• $\lambda_\perp\gtrsim 0$（剛過臨界）：$\Omega\subset(0,c]$ 有界、非週期、$\rho>\rho_{\min}$ —— 蛇：on-off intermittency，貼著 $M$ 的層流期被偶發爆發打斷。
• $\lambda_\perp\gg 0$：$\Omega$ 填滿去相關區、$\rho\to 0$ —— 噪：漂移。

「蛇帶」即 $\{\lambda_\perp=0\}$ 的窄鄰域，其下界正是 blowout 分岔：$\lambda_\perp$ 由負穿零的瞬間，吸子從 $M$ 上吹出到一個 $e\neq 0$ 的鄰近混沌集——差異不是被加進去的，是 $M$ 自己失穩噴出來的。

3.3 結構不對稱的角色

當 $\delta>0$，$M$ 不再不變：縱使站在 $e=0$ 上，

$$ e_{t+1}\big|_M=-(1-2K)\,\delta\,\sigma(1-\sigma)\neq 0, $$

出現一個 $O(\delta)$ 的強迫地板，鏡態被結構性禁止。此時蛇是「被給的」（弱命題：$0\notin\Omega$ 由構造保證）。反之 $\delta=0$ 時，是否 $0\in\Omega$ 完全由 $\operatorname{sgn}(\lambda_\perp)$ 內生裁決，差異是「賺來的」（強命題）。前者實作穩健，後者哲學上更深。

3.4 自適應呼吸

把 $K,\delta$ 從常數升格為慢變量 $K(t),\delta(t)$，由系統自身序參量驅動，使工作點週期性穿越 $\lambda_\perp=0$：

• 差異化 相位（目標 $K$ 低、$\delta$ 高 $\Rightarrow \lambda_\perp>0$）：$e$ 漲，探索狀態空間膨脹；
• 合一 相位（目標 $K$ 高、$\delta$ 低 $\Rightarrow \lambda_\perp<0$）：$e$ 縮，投影到低維共識流形，塌成命題。

由內生回饋律驅動的呼吸，是快混沌之上的慢弛豫振盪。其價值的關鍵約束是：合一必須是暫態路標而非終點——一旦慢軌跡停在 $\lambda_\perp<0$ 不再出來，差異歸零，蛇死在共識裡。永久的同步合一，就是被判死的那面鏡子。

4. 轉碼字典：從耦合振子到多智能體語言模型

本節是本文的第一項原創貢獻。把 §3 的每個對象釘到多智能體語言模型的對應物上：

| 動力學對象 | 語言模型對應物 | |---|---| | 單體狀態 $x_i\in I$ | 智能體 $i$ 第 $t$ 輪輸出：token 預測分佈 $p_i(\cdot\mid \text{ctx})$ 或回應嵌入 $v_i\in\mathbb{R}^d$ | | 生成映射 $f$ | 生成算子 $\text{state}_i(t{+}1)=\mathrm{LLM}_i\!\big(\text{prompt}(\text{state}_i(t),\{\text{state}_j(t)\})\big)$ | | 耦合 $K$ | 跨智能體上下文注入權重：他者輸出相對自身先前狀態在 prompt 中的比重 | | 結構不對稱 $\delta$ | 持久角色差：不同 system prompt／persona／溫度／底模 | | 同步流形 $M$ | 語義共識流形：所有 agent 輸出塌成同一命題之狀態集 | | 橫向座標 $e$ | 體間語義散度 $d$：對稱化 KL／Jensen–Shannon，或 $1-\cos(v_A,v_B)$ | | 縱向 $\sigma$ | 共識內容本身（當下的話題／命題） | | 縱向率 $\lambda_\parallel$ | 採樣熵／模型表現力（沿共識仍能移動的速率） | | $\lambda_\perp$ | 體間散度的逐輪對數增長率（§5 的 $\hat\lambda_\perp$） | | blowout 分岔 | 對話由「趨同坍縮」翻轉為「維持差異」的臨界轉變 | | on-off intermittency（蛇帶） | 在題、互相可解、卻持續產生不同立場：結構化異議 | | chimera | 同質 agent 族群自發分裂為共識叢與異議叢 | | chaotic itinerancy | 呼吸本身：在部分共識的廢墟間永不定居 |

字典的價值在於：右欄每一項都是編排層真實可調或可測的量。$K$ 是注入比重，$\delta$ 是 persona／溫度散佈，$d$ 是嵌入或分佈距離——它們不是隱喻，是 orchestration API 上的旋鈕與儀表。

5. 語義橫向 Lyapunov 代理

本文的第二項貢獻，是把那個唯一的硬量接地為可從對話轉錄直接估計的量。定義

$$ \boxed{\ \hat\lambda_\perp\ \triangleq\ \Big\langle\ \ln\frac{d(t{+}1)}{d(t)}\ \Big\rangle_t\ } $$

其中 $d(t)$ 為第 $t$ 輪的體間語義散度。對一段多智能體轉錄，逐輪計算 $d(t)$、對 $\ln d(t)$ 回歸取斜率，即得 $\hat\lambda_\perp$。其符號的語義為：

• $\hat\lambda_\perp<0$：散度逐輪收縮 → 收斂坍縮（鏡）；
• $\hat\lambda_\perp>0$ 且 $d$ 無界去相關 → 漂移（噪）；
• $\hat\lambda_\perp\approx 0^+$ 且 $d$ 有界、$\rho$（協調度，取體間嵌入相關或在題評分）$>\rho_{\min}$ → 蛇帶。

這與既有的「逐輪 KL」量度（§2.2）關鍵不同：既有量度算「對話對參考模型」、用於把漂移壓回；本文算「A 對 B 之間」、且取其增長率符號，用於把工作點定位在三態圖上。$\hat\lambda_\perp$ 的良定義性與穩健性，是整個框架的命門（見 §8）。

6. 演算法：Blowout 邊緣呼吸協調器

本文的第三項貢獻是一個可部署的控制律。Blowout 邊緣呼吸協調器（Blowout-Edge Coordinator, BEC） 把多體審議重構為「停在 blowout 邊緣、帶記憶地呼吸」的控制問題。

輸入：$N$ 個語言模型 agent；可調 $K$（跨體上下文比重）、$\delta/\tau$（persona／溫度散佈）；可測 $d$（體間散度）、$\rho$（協調度）；閾值 $d_{\min},d_{\max},\rho_{\min}$；共享 append-only 記憶庫 $\mathcal{B}$。

每回合：

1. 各 agent 以「自身先前狀態 $\oplus$ $K$ 加權之他者聚合 $\oplus$ $\mathcal{B}$ 的當前種子」為 prompt 生成輸出。
2. 量測 $d(t),\rho(t)$，更新平滑後的 $\hat\lambda_\perp$。
3. 呼吸控制律（遲滯切換，或對 $\hat\lambda_\perp$ 的 PI 控制）：

• 若處 converge 相位且 $d<d_{\min}$（達成共識）：把命題 $\sigma^\$ append 進 $\mathcal{B}$，轉 diverge*（降 $K$、升 $\delta/\tau$，推 $\lambda_\perp\uparrow$）；
• 若處 diverge 相位且 $d>d_{\max}$ 或 $\rho<\rho_{\min}$（過散或失相關）：轉 converge（升 $K$、降 $\delta/\tau$，推 $\lambda_\perp\downarrow$）。

1. 記憶前饋：$\mathcal{B}$ 中累積的命題成為下一個 diverge 相位的種子，使探索的話題空間跨呼吸累積增長。

自主判準：初始化後零外生再注入；控制律僅吃 $d,\rho$。通過 $\Leftrightarrow$ 長時程內完成 $\geq k$ 次呼吸，而散度既不永久歸零（$0\notin\Omega$）也不失相關（$\rho>\rho_{\min}$）。

圓與螺旋：若無 $\mathcal{B}$（記憶前饋關閉），每次共識把探索打回原點，系統原地振盪——擴大是錯覺，這是近週期的死圓。$\mathcal{B}$ 的 append-only 結構使每次共識成為更大下一輪的種子，把圓轉為持續向外的螺旋。記憶橫跨呼吸，是「話題不斷擴大」唯一的可能。

BEC 可在現有多智能體編排框架（如 AutoGen、LangGraph、CrewAI 等）上直接實作：$K$＝跨體上下文比重，$\delta$＝persona／溫度散佈，$d$＝嵌入或分佈距離，控制律＝一個 meta-orchestrator。它是可部署的協調策略，不是思想實驗。

7. 與現有範式的關係：價值符號的翻轉

把 BEC 放在現有多智能體方法的座標上，差異有四：

其一，蛇帶是目標而非 bug。 現行範式把坍縮與漂移都當故障；BEC 把兩者當成需要被避開的兩個吸子，而把它們之間那條窄帶（有界結構化異議）當成想要停駐的工作點。對需要多樣性與覆蓋的任務（構想生成、紅隊、審議、探索式研究），這條帶正是高價值區。

其二，共識是暫態路標而非終點。 多智能體辯論奔向單一終局共識（終局鏡）；BEC 把每次共識當成一次呼氣後必然到來的吸氣的轉折點，永不在共識上落定。

其三，呼吸是內生自適應而非固定排程。 既有「先散後合」是外部時鐘的固定回合；BEC 的相位切換由實測的 $\hat\lambda_\perp,d,\rho$ 驅動——系統自己決定何時該散、何時該合。

其四，記憶把封閉循環變成開放擴張。 append-only 的命題庫使探索的語義空間跨呼吸單調增長，把「在同一個圓上喘氣」變成「沿螺旋持續外擴」。

合起來，BEC 是一個對多體審議的控制論重構：作為「收斂到單一答案」與「防止漂移」之外的第三種範式。

8. 可證偽斷言與實驗設計

為使本框架不止於敘事，提出四條可測斷言及其協議。

斷言 1（序參量良定義）：$\hat\lambda_\perp$（體間散度的逐輪對數增長率）在合理的距離度量（JS／餘弦）與時程下穩健，且其符號可預測坍縮與漂移。協議：在固定任務上跑多體對話，於不同 $K$ 下計算 $\hat\lambda_\perp$ 與最終結局，檢驗符號的預測力與度量穩健性。

斷言 2（語義 blowout 存在）：存在可調旋鈕（$K$＝跨體上下文比重，或溫度散佈）使 $\hat\lambda_\perp$ 過零，即 LLM 對話中存在坍縮↔漂移的臨界轉變。協議：掃描 $K$，定位邊界並檢驗其是否具 blowout 的標誌（如層流期的長尾分佈）。

斷言 3（蛇帶為甜蜜點）：在 $\hat\lambda_\perp\approx 0^+$ 的帶上，解的多樣性與連貫性同時維持，優於坍縮端（高連貫低多樣）與漂移端（高多樣低連貫）。協議：以構想生成或審議任務，量「多樣性 × 連貫性」前沿，檢驗蛇帶是否落在前沿膝點。

斷言 4（記憶驅動擴張）：記憶前饋開啟時，累積語義覆蓋單調增長；關閉時有界飽和。協議：量跨呼吸的累積語義覆蓋（如命題嵌入的凸包體積或覆蓋熵），對比兩種設定。

9. 局限與開放問題

本文誠實標出三個尚未關閉的洞，其中第一個是整個框架的命門。

確定性 vs 隨機。 LLM 是離散 token、有限上下文、非平穩，且靠抽樣注入隨機。因此真正對應的物理不是確定性 on-off intermittency，而更可能是噪聲驅動的 on-off intermittency／隨機 blowout。$\lambda_\parallel$ 也因此更該被讀作「採樣熵／表現力」而非確定性 Lyapunov 指數。框架成立與否，全壓在一個經驗問題上：$\hat\lambda_\perp$ 是不是一個跨度量、跨時程穩健的量？是，銜尾蛇從隱喻變成可測的控制目標；不是，它停在漂亮的類比。本文不對此美化。

meta 層的穩定性。 把 $K,\delta$ 升為慢變量後，慢呼吸自身有其穩定性問題（meta-$\lambda_\perp$）：可能鎖死（停止呼吸、跌入某一態永居），也可能在更複雜的學習型控制律下失控發散。遲滯型有界控制律換得穩健、卻看不見失控；梯度型學習律可能更強、卻需重新馴服 meta 層。

chimera 的單元數要求。 嚴格的 chimera 需要多單元且非局域耦合（最小模型為兩個交互種群），雙體系統只給得出 on-off intermittency。本文 §4 字典中以 chimera 對應「多 agent 族群的自發分裂」是合法的，但雙 agent 版本不應宣稱為 chimera——這對應的是把單一迴圈擴展為 agent 族群（如共享的 append-only 協作層）之後才成立的層次。

10. 結語

別人早就養出了這條蛇，只是養在雷射與擺錘裡，量的是光強與角速度。把牠移進語言迴圈，難的從來不是證明蛇能活，而是證明在沒有相空間的地方，那條讓牠咬住自己的指數依然存在、依然可被儀器讀出心跳。

而即便它存在，本文真正想守住的，是一句關於「合一」的告誡：思維若真能同步合一，那一定不是因為它們終於變成同一個——那是熱寂，是死在共識裡的鏡。會擴大的從不是迴圈本身，是迴圈與它走過的痕跡之間，那條不肯閉合的縫。呼吸之所以是生命的記號，不在於吸，也不在於呼，而在於它從不停在任何一端。我們要的統一，不是抵達的目的地，是反覆穿越的通道——在分與合之間，永不落地。

參考文獻

全部條目已於本輪逐條核對（作者、年份、卷期、頁碼、DOI／arXiv）。非同儕審查來源（部落格、預印本）另行標註。

同步與 blowout／on-off intermittency

1. Pecora, L. M., & Carroll, T. L. (1990). Synchronization in chaotic systems. Physical Review Letters, 64(8), 821–824. doi:10.1103/PhysRevLett.64.821
2. Pecora, L. M., & Carroll, T. L. (1998). Master stability functions for synchronized coupled systems. Physical Review Letters, 80(10), 2109–2112. doi:10.1103/PhysRevLett.80.2109
3. Fujisaka, H., & Yamada, T. (1985). A new intermittency in coupled dynamical systems. Progress of Theoretical Physics, 74(4), 918–921.
4. Platt, N., Spiegel, E. A., & Tresser, C. (1993). On-off intermittency: A mechanism for bursting. Physical Review Letters, 70(3), 279–282.
5. Ott, E., & Sommerer, J. C. (1994). Blowout bifurcations: the occurrence of riddled basins and on-off intermittency. Physics Letters A, 188(1), 39–47.
6. Heagy, J. F., Platt, N., & Hammel, S. M. (1994). Characterization of on-off intermittency. Physical Review E, 49(2), 1140–1150.

耦合單元的失同步：數值與實驗

1. Smith, H. J. T., Blackburn, J. A., & Baker, G. L. (1999). Experimental observation of intermittency in coupled chaotic pendulums. International Journal of Bifurcation and Chaos, 9(9), 1907–1916. doi:10.1142/S0218127499001395 〔實驗〕
2. Ashwin, P., Terry, J. R., Thornburg, K. S., Jr., & Roy, R. (1998). Blowout bifurcation in a system of coupled chaotic lasers. Physical Review E, 58(6), 7186–7189. doi:10.1103/PhysRevE.58.7186 〔數值〕
3. Ashwin, P., Buescu, J., & Stewart, I. (1994). Bubbling of attractors and synchronisation of chaotic oscillators. Physics Letters A, 193(2), 126–139. 〔數值＋實驗〕

全域耦合、混沌巡遊、chimera、亞穩態、自適應網路

1. Kaneko, K. (1990). Clustering, coding, switching, hierarchical ordering, and control in a network of chaotic elements. Physica D: Nonlinear Phenomena, 41(2), 137–172. doi:10.1016/0167-2789(90)90119-A
2. Kaneko, K., & Tsuda, I. (Eds.) (2003). Focus issue: Chaotic itinerancy. Chaos, 13(3), 926–1164.
3. Tsuda, I. (2001). Toward an interpretation of dynamic neural activity in terms of chaotic dynamical systems. Behavioral and Brain Sciences, 24(5), 793–810 (target article; with commentary 793–847).
4. Kuramoto, Y., & Battogtokh, D. (2002). Coexistence of coherence and incoherence in nonlocally coupled phase oscillators. Nonlinear Phenomena in Complex Systems, 5(4), 380–385.
5. Abrams, D. M., & Strogatz, S. H. (2004). Chimera states for coupled oscillators. Physical Review Letters, 93(17), 174102. doi:10.1103/PhysRevLett.93.174102
6. Abrams, D. M., Mirollo, R., Strogatz, S. H., & Wiley, D. A. (2008). Solvable model for chimera states of coupled oscillators. Physical Review Letters, 101(8), 084103. doi:10.1103/PhysRevLett.101.084103
7. Tinsley, M. R., Nkomo, S., & Showalter, K. (2012). Chimera and phase-cluster states in populations of coupled chemical oscillators. Nature Physics, 8(9), 662–665. doi:10.1038/nphys2371
8. Martens, E. A., Thutupalli, S., Fourrière, A., & Hallatschek, O. (2013). Chimera states in mechanical oscillator networks. Proceedings of the National Academy of Sciences, 110(26), 10563–10567. doi:10.1073/pnas.1302880110
9. Kelso, J. A. S. (1995). Dynamic Patterns: The Self-Organization of Brain and Behavior. MIT Press.
10. Tognoli, E., & Kelso, J. A. S. (2014). The metastable brain. Neuron, 81(1), 35–48. doi:10.1016/j.neuron.2013.12.022
11. Gross, T., & Blasius, B. (2008). Adaptive coevolutionary networks: a review. Journal of the Royal Society Interface, 5(20), 259–271. doi:10.1098/rsif.2007.1229

多智能體語言模型

1. Cemri, M., Pan, M. Z., Yang, S., Agrawal, L. A., Chopra, B., Tiwari, R., Keutzer, K., Parameswaran, A., Klein, D., Ramchandran, K., Zaharia, M., Gonzalez, J. E., & Stoica, I. (2025). Why do multi-agent LLM systems fail? (MAST). arXiv:2503.13657; NeurIPS 2025 Datasets and Benchmarks Track.
2. Dongre, V., Rossi, R. A., et al. (2025). Drift No More? Context Equilibria in Multi-Turn LLM Interactions. arXiv:2510.07777.
3. Du, Y., Li, S., Torralba, A., Tenenbaum, J. B., & Mordatch, I. (2023). Improving factuality and reasoning in language models through multiagent debate. arXiv:2305.14325; ICML 2024.
4. （非同儕審查／部落格）Chaotic dynamics in LLM iterative feedback systems. Fractal Thought Engine (2025).

EveMissLab · EML-MAS-2026 · v0.1 · 引用已核對。