用于增强论证分类的多智能体辩证精炼

论证挖掘是自动写作评估的基础技术，但传统监督方法依赖昂贵的领域微调。大语言模型虽无需训练，却常因结构歧义难以区分相似组件，且单智能体自我修正易陷入阿谀效应。本文提出 MAD-ACC 框架，利用辩证精炼解决分类不确定性。该框架采用“正方 - 反方 - 法官”多智能体辩论模式，通过捍卫冲突解释来揭示单智能体忽略的逻辑细微差别。实验表明，该方法在无需领域训练的情况下显著优于基线，并通过生成人类可读的辩论记录提供了透明可解释的决策依据。