DarkForest：少言多智，提升多智能体大语言模型的准确性

多智能体大语言模型系统虽能通过整合输出提升推理能力，但高频交互易引发错误传播及高昂通信开销。针对原始响应交换导致的中间推理错误放大问题，本文提出受控通信协调框架 DarkForest。该框架首先保持智能体独立生成答案，随后将响应解析为结构化记录并聚类语义等价项，利用智能体可靠性、置信度及独立性校正估算校准信念分布。协调器仅基于策略允许的证据进行受控通信。实验表明，DarkForest 在六个推理基准上表现领先，最强基线提升达 30.7%，令牌消耗降低至六分之一。