返回
Dynamic Weighted Consensus Framework for LLM Multi-agent Debate
DOI:10.1007/978-981-95-3001-4_14.png)
摘要
En 中文
大型语言模型(LLMs)在复杂推理和事实核查任务中表现出显著能力,但其性能仍受多步推理过程中固有不确定性的限制。尽管多智能体辩论(MAD)框架通过智能体间的协作互动显著提升了推理准确性,但这些智能体往往对同一问题产生分歧答案,可能无意中传播错误响应。在此类情况下,应优先考虑持续提供准确答案的智能体。为解决此挑战,本文提出了一种新颖的LLM多智能体辩论动态加权共识框架(DWC-MAD)。该框架整合了实时置信度量化(源自智能体的迭代响应)和纵向准确度指标(基于智能体的历史表现)。通过采用动态权重分配算法,DWC-MAD对智能体输入分配差异化权重,从而构建优化的多智能体辩论系统。
Keyword:
LLMs
Multi-Agent Debate Framework
Dynamic Weight Allocation
Collaborative Reasoning
Uncertainty Quantification
期刊
K
IF:
0
论文数:
25
被引数:
0

