CHAL：分层智能体语言委员会

针对现有大模型多智能体辩论在事实性任务中的局限性，本文提出分层智能体语言委员会（CHAL）框架。该框架将可废止论证视为信念优化的引擎，引入图结构信念模式及贝叶斯架构，利用微分目标动态修正信念。通过将认识论、逻辑与伦理等元认知价值体系提升为可控超参数，CHAL 实现了透明、可对齐且受人类监督的推理过程，实验证明其在潜空间信念轨迹引导及跨领域泛化方面的有效性。