用于软件设计细化的大语言模型联盟：关于多智能体协作拓扑的受控实验

本文通过受控实验评估了 12 种用于软件架构设计的多智能体大语言模型协作拓扑。采用$2 imes2 imes2$因子设计，在 8 个不同复杂度的设计任务上进行了 520 次实验。结果显示，结构化对抗变体（v4b）表现最佳；跨模型审查机制位居第二；评估器多样性揭示了不同模型家族对设计质量权重的差异；而并行合并策略因令牌匮乏和“弗兰肯斯坦效应”表现最差。研究证实了加权集成评估的鲁棒性。