受韩兰-DeepSeek 风格联想推理框架启发的基于 IdoBata 对话的多代理概率推理框架用于消除偏见
计算与语言
2025-06-30 v1 机器学习
机器学习
摘要
日本的韩兰文化和 Idobata 对话长期以来作为传统沟通实践存在，促进社区成员之间细腻的对话，助力社会平衡的形成。本研究受这些信息交换过程的启发，提出一种多代理推理框架 (KCS+IBC)，将多个大语言模型 (LLM) 集成以实现偏见缓解、改进可解释性和概率预测在情感分析中的应用。除了依序共享预测结果外，该方法还融入了中期的非正式对话会话，以融合正式推理与个人视角，并引入概率情感预测。实验结果表明，KCS 在数据集上实现的准确率与单一 LLM 相当，而 KCS+IBC 在推理后期表现出持续的熵值下降和方差逐渐增加，表明该框架在平衡预测聚合与多样性方面具有能力。未来工作将定量评估这些特征对偏差纠正的影响，并致力于开发更高级的情感分析系统。
引用
@article{arxiv.2506.21565,
title = {A Multi-Agent Probabilistic Inference Framework Inspired by Kairanban-Style CoT System with IdoBata Conversation for Debiasing},
author = {Takato Ueno and Keito Inoshita},
journal= {arXiv preprint arXiv:2506.21565},
year = {2025}
}