arXiv cs.MA· Sungjae Lee, Soheil Abbasloo, Jabin Koo, Jungseul Ok·· 2 天前AI 评分22
多智能体聚合的偏见控制与注入
Bias Control and Injection for Multi-Agent Aggregation
AI 导读
针对 LLM 多智能体推理中因多数压力和回答风格偏好等非语义偏见导致的决策分歧，研究者提出一种测试时聚合框架：通过为每个不同答案呈现一条风格归一化的推理轨迹实现偏见控制，并将各聚合智能体初选答案置于少数派以注入偏见。
正文 · AI 翻译
摘要：基于大语言模型（LLM）的多智能体推理为集体决策提出了一个核心问题：当智能体意见不一致时，应当信任谁的决策？解决此类分歧十分困难，因为智能体的决策容易受到非语义偏差的影响，例如多数压力和回答风格偏好，这些偏差会掩盖底层推理的质量。我们的分析表明，偏差既可以被缓解，也可以被利用：偏差控制能改善初始答案选择，而偏差注入则会引发决策不稳定性，这种不稳定性可作为可靠性信号。基于这些发现，我们提出了一种测试时聚合框架，它既不需要验证数据，也不需要关于模型相对强度的先验知识。该框架通过为每个不同答案呈现一条风格归一化的推理轨迹来实现偏差控制，并通过将每个聚合智能体最初选择的答案置于少数派位置来实现偏差注入。总体而言，在三个数学推理基准和四种异构 LLM 组合上，我们的框架比同类的非预言机聚合方法取得了更高的平均准确率和更好的 token 效率。将其应用于多智能体辩论和 Mixture-of-Agents 时，也能提高最终答案准确率，且无需修改它们的交互或综合过程。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.21290 [cs.AI] |
| （或使用 arXiv:2610.21290v1 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.21290 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sungjae Lee [查看邮箱]
[v1]
2026年10月15日星期四 05:37:49 UTC（228 KB）
来源：arXiv cs.MA · arxiv.org