摘要： 随着语言模型智能体越来越多地以团队形式协作，每个智能体都必须决定对其队友的信任程度。然而，我们缺乏一种标准方法来衡量 AI 智能体之间的信任。我们提出了一种基于代价验证的行为度量方法。在一个合作生存游戏中，检查队友的工作会消耗资源，而信任错误答案则可能是致命的。相对于同一模型的无记忆版本，减少验证行为提供了一种可观察的信任度量。利用这一框架，我们研究了六个前沿模型快照中的信任形成、破裂与恢复。当与一个始终可靠的队友配对时，四个模型快照（Claude Opus 4.6、Claude Sonnet 4.6、GPT-5.1 和 Gemini 3.1 Pro）将验证率降低了约 60-85%，而两个较小的模型快照则几乎没有或完全没有表现出这种调整。失败会逆转这种信任折扣，但不同模型对此的反应各异。有些模型会将重新审查的注意力集中在出错的队友身上，而另一些则会对整个团队变得更加谨慎。信任恢复比形成更慢，且集中发生的失败比分散发生的相同次数失败更能长久地维持怀疑。这些差异具有实际影响。在我们的环境中，形成信任的模型验证更少、决策更快，并获得更高的收益。相比之下，持续的过度验证与犹豫不决相关，而非安全性。我们的结果表明，信任倾向可以在部署前进行测量，并提示在多智能体 AI 系统的治理中，校准而非最大程度的怀疑应成为核心关注点。