MAD Bench揭示多智能体辩论的从众与共享错误
热点事件持续更新
MAD Bench揭示多智能体辩论的从众与共享错误
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
研究团队提出 MAD Bench，一个覆盖知识推理、价值观与道德判断、安全与拒答的 2400 题基准，用轮次匹配的独立反思作为对照，评估三个开源权重模型。 在 Qwen3.5-9B 上，辩论中生成理由前的强制选择读数与最终答案一致率为 65.4%，反思仅 22.3%。辩论相对反思带来小幅准确率提升，但全票错误率高出 3.1 至 7.4 个百分点；辩论越长，共识越持久，智能体正确性之间的相关性也越高。
AI 根据报道生成 · 38 分钟前更新
最新进展10月28日 12:00
谁说服了谁？追踪 LLM 在多智能体系统中如何改变想法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.MA谁说服了谁？追踪 LLM 在多智能体系统中如何改变想法
研究提出 MAD Bench，一个覆盖知识推理、价值观与道德判断、安全与拒答的 2400 题基准，用轮次匹配的独立反思作为对照评估三个开源权重模型。在 Qwen3.5-9B 上，辩论中生成理由前的强制选择读数与最终答案一致率为 65.4%，反思仅 22.3%。辩论相对反思带来小幅准确率提升，但全票错误率高出 3.1-7.4 个百分点，更长辩论中共识更持久且智能体正确性相关性更高。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。