解析多智能体辩论：自信与多样性的角色

多智能体辩论（MAD）常用于通过测试时扩展提升大语言模型（LLM）性能，但近期研究表明，普通MAD在计算成本更高的情况下仍可能不如简单多数投票。研究发现，在同质化代理和统一信念更新的条件下，辩论无法可靠地改善结果。借鉴人类讨论和集体决策的研究成果，本文识别出普通MAD中缺失的两个关键机制：初始观点的多样性以及显式的、校准的置信度沟通。为此，作者提出了两种轻量级干预措施：一种是多样性感知的初始化方法，选择更具多样性的候选答案池，提高辩论开始时包含正确假设的可能性；另一种是基于置信度调节的辩论协议，使代理表达校准后的置信度，并根据他人的置信度进行更新。理论分析表明，多样性感知初始化可提高MAD成功的先验概率，而置信度调节更新则能系统性地引导辩论趋向正确假设。实验证明，六种推理导向的问答基准测试中，所提方法始终优于普通MAD和多数投票。