何时帮助反而有害以及如何修复：用于数据清洗的多智能体辩论

本文探讨了多智能体辩论在数据清洗任务中的双重效应。研究发现，辩论虽能显著提升错误检测能力，但因“批判诱导混淆”及生成者盲目接受幻觉反馈，导致生成质量下降。作者推导出辩论受益条件，即挽救错误输出的概率需高于破坏正确输出的概率。实验证明， adversarial 分离架构（独立的批评者与代码执行 grounding）至关重要，该配置是首个在生成任务上显著超越单智能体表现的辩论模式，且理论预测在不同任务与领域中具有高度泛化性。