反身性阈值：多智能体执行性预测的相变研究

一项已被 NeurIPS 2026 接收的 arXiv 研究提出反身性矩阵 Γ，刻画多智能体执行性预测中重复再训练的稳定性阈值：当该矩阵的谱半径小于 1 时，重复再训练以几何速度收敛到唯一的执行性稳定均衡；超过 1 时，在构造的超临界实例中，局部信息学习者的期望累计超额损失在时域内线性增长。该结果给出上下界刻画，并涵盖单智能体标量阈值作为特例。