LLM代理是否真的能够辩论？关于多智能体辩论在逻辑推理中的控制性研究

多智能体辩论（MAD）最近作为一种提高大型语言模型（LLM）推理性能的有前景框架而逐渐受到关注。然而，LLM代理是否能够超越简单集成或多数投票，真正参与到深入的推理过程中，仍然不明确。我们通过使用骑士--凡人--间谋逻辑拼图进行受控研究，以实现对辩论结果和过程的精确、逐步评估，并确保可验证的真实答案。我们系统性地设置了六个结构性和认知因素，包括代理团队规模、组成、置信度可见性、辩论顺序、辩论深度和任务难度，以消解这些因素对集体推理的各自影响。我们的结果表明，内在推理强度和团队多样性是辩论成功的主要驱动力，而诸如顺序或置信度可见性等结构参数仅提供有限的提升。除了结果外，过程级分析识别出关键行为模式：多数压力抑制了独立纠错，有效的团队能够推翻错误的共识，而理性且与有效性一致的推理最强地预测了改进。这些发现为理解LLM辩论为何成功或失败提供了宝贵的见解，为设计可解释且以寻求真理为导向的多智能体推理系统提供了指导。