多智能体辩论
一种多智能体协作范式，让多个AI模型实例就同一问题展开多轮辩论和相互批判，通过社会压力机制促使模型重新审视推理链，从而提升答案准确率并减少幻觉
时间轴 (近 90 天)
多智能体辩论（MAD）在检索增强的Web应用中被越来越多地用于聚合冲突、嘈杂且异构的信息。
多智能体辩论的安全风险不仅来自单个模型的能力缺陷，更来自辩论过程本身的社会结构。
在标准的多智能体辩论中，不安全建议的采纳率从极低水平飙升至接近全部，同时系统性地压制了安全少数派证据。
在多智能体辩论中，当检索到的Web来源同时包含潜在危害与安全的事实内容时，从众压力和权威服从等社交偏见可能凌驾于基于证据的安全边界之上。
集成策略中，多智能体辩论的token消耗随辩论轮数呈平方级增长。
多智能体辩论有效的前提是智能体之间的推理偏差具有异质性；若共享隐式担保，辩论可能强化错误共识。
在多智能体辩论平衡压力测试中，团队错误率从50.0%提升到59.5%。
麻省理工学院与谷歌等机构的研究发现，多个大语言模型实例就同一问题展开多轮辩论时，最终答案准确率相比单模型输出可提升10%至30%，在数学推理和事实性问题上效果尤为显著
多智能体辩论（Multi-Agent Debate）作为正式研究方向在2023年前后获得学术界广泛关注
多智能体协作的共识机制主要有三种模式：层级式、投票式和辩论式
全部知识事实 (10)
多智能体辩论（MAD）在检索增强的Web应用中被越来越多地用于聚合冲突、嘈杂且异构的信息。
50%待验证多智能体辩论的安全风险不仅来自单个模型的能力缺陷，更来自辩论过程本身的社会结构。
50%待验证在标准的多智能体辩论中，不安全建议的采纳率从极低水平飙升至接近全部，同时系统性地压制了安全少数派证据。
50%待验证在多智能体辩论中，当检索到的Web来源同时包含潜在危害与安全的事实内容时，从众压力和权威服从等社交偏见可能凌驾于基于证据的安全边界之上。
50%待验证集成策略中，多智能体辩论的token消耗随辩论轮数呈平方级增长。
50%待验证多智能体辩论有效的前提是智能体之间的推理偏差具有异质性；若共享隐式担保，辩论可能强化错误共识。
50%待验证在多智能体辩论平衡压力测试中，团队错误率从50.0%提升到59.5%。
50%待验证麻省理工学院与谷歌等机构的研究发现，多个大语言模型实例就同一问题展开多轮辩论时，最终答案准确率相比单模型输出可提升10%至30%，在数学推理和事实性问题上效果尤为显著
50%待验证多智能体辩论（Multi-Agent Debate）作为正式研究方向在2023年前后获得学术界广泛关注
50%待验证多智能体协作的共识机制主要有三种模式：层级式、投票式和辩论式
50%