摘要
多智能体辩论（MAD）能提升大语言模型的推理能力，但固定流程常浪费计算资源并放大相似代理间的相关错误。本文提出 ARMOR-MAD，一种无需训练的异构 MAD 框架，将辩论视为条件计算。该框架包含三个组件：预辩论一致性路由（PAR）判断是否需进行辩论；早期一致停止评估器（EASE）在收敛后终止辩论；语义异常检测（SOD）在聚合时降低异常答案权重。实验表明，该方法在多个基准测试中均优于固定轮次的异构辩论，显著提升了推理的准确性与效率。
AI 推荐理由
论文核心提出多智能体辩论框架以显著提升 LLM 在数学及常识任务中的推理准确率与效率。
研究机构
School of Cyber Science and Technology, University of Science and Technology of China, Hefei, China
School of Artificial Intelligence, Shenzhen Technology University, Shenzhen, China
论文信息