arXiv cs.AI· Pei Liu·· 11 小时前AI 评分31
单智能体与多智能体 LLM 在财务审查任务上的对比：多智能体未必更好
The More the Better? A Comparison of Single- and Multi-Agent LLM Setups on a Financial Review Task
AI 导读
一项受控实验在 300 份合成信贷评估备忘录上对比单智能体与多智能体 LLM 的审查表现：三个同模型智能体各查两项要求时，在三个单智能体有漏检的模型上多检出 0.08 至 0.10 的带解释缺陷，但四个模型的误报均上升，平衡准确率变化不超过 0.02，token 消耗为 2.2 至 2.4 倍。
正文 · AI 翻译
摘要：从业者指南认为，当工作被分配给多个智能体时，大语言模型能更好地审阅文档。我们在一项金融任务中，通过单智能体与多智能体设置的受控比较，检验了该观点的一种狭义形式：依据要求审阅信用评估备忘录。一个智能体在一次调用中检查六项要求。由同一模型上的三个智能体组成的团队检查同一份备忘录，每人检查两项要求，使用相同的措辞，不设角色，也没有后续阶段。300 份合成备忘录中每项要求的标签均已知，因此漏检和误报可分别测量。在四个模型上以 Bonferroni 校正后的水平检验两项主要预测。在“每项要求只判定一次”的指令下，团队在单智能体存在漏检的三个模型上多捕获了 0.08 至 0.10 的带解释缺陷，其中两个模型达到校正水平。它在全部四个模型上都增加了更多误报，其中三个模型达到校正水平。平衡准确率（一项探索性指标）变化不超过 0.02，而团队使用的 token 数为 2.2 至 2.4 倍。向每个智能体展示其未被分配的要求，可减少两个 Claude 模型上增加的误报，其中一个达到校正水平。在探索性比较中，对单智能体采样三次并在任一次抽样中标记，在这些模型上比团队获得更高的平衡准确率，且团队的结果取决于指令。
| 主题： | 人工智能（cs.AI）；计算工程、金融与科学（cs.CE） |
| 引用为： | arXiv:2610.27488 [cs.AI] |
| （或本版本的 arXiv:2610.27488v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.27488 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Pei Liu [查看邮箱]
[v1]
2026年10月20日 星期二 01:55:24 UTC（98 KB）
来源：arXiv cs.AI · arxiv.org