Multi-Agent Debate Blind Conformity Reinforcement Learning Reasoning Enhancement
摘要

多智能体辩论(MAD)通过多轮交互提升了大语言模型的推理性能,但模型易受盲从效应影响。现有基于个体置信度的评估方法无法反映推理正确性,甚至加剧盲从。为此,本文提出从群体互动视角出发,将LLM间的相互引用定义为“辩论关系”,并提出动态调节辩论关系(DEAR)框架。DEAR首先量化共识与分歧作为群体证据以捕捉辩论状态;随后通过三个阶段运作:1)感知群体咨询倾向与不确定性;2)引入选择强化学习智能体动态选取参考同伴;3)采用行为强化学习智能体自适应调整生成行为。实验表明,DEAR在显著降低Token消耗的同时实现了更优的性能。

AI 推荐理由

论文旨在通过多智能体辩论机制提升LLM的推理性能,解决盲从问题,直接优化推理能力。

研究机构
北京交通大学计算机科学与技术学院,中国北京 北京市交通数据挖掘与具身智能重点实验室,中国北京
论文信息
作者 Hao Wu, Shoucheng Song, Chang Yao, Haoyu Wang, Huaiyu Wan et al.
发布日期 2026-08-04
arXiv ID 2608.03648
相关性评分 9/10 (高度相关)