仅在必要时辩论：面向高效 LLM 推理的自适应多智能体协作
人工智能
2025-05-21 v2
摘要
多智能体协作已成为增强大型语言模型 (LLM) 推理能力的一种有前景的框架。尽管推理能力有所提升，但该方法引入了由迭代智能体交互产生的巨大计算开销。此外，参与不必要的辩论会增加生成错误响应的风险。为了应对这些挑战，我们提出了“仅在必要时辩论” (DOWN)，这是一种自适应多智能体辩论框架，它根据智能体初始响应的置信度分数选择性地激活辩论。仅对需要进一步深思熟虑的查询激活辩论，在此期间智能体通过参考同伴响应及其相关置信度分数来优化其输出。在基准测试上的评估表明，DOWN 将效率提高了多达六倍，同时保持甚至超越了现有方法的性能。进一步分析表明，DOWN 有效缓解了源于不必要辩论过程的错误传播风险。这些发现证明了我们的方法在以较低计算成本提供高性能 LLM 解决方案方面的有效性。
引用
@article{arxiv.2504.05047,
title = {Debate Only When Necessary: Adaptive Multiagent Collaboration for Efficient LLM Reasoning},
author = {Sugyeong Eo and Hyeonseok Moon and Evelyn Hayoon Zi and Chanjun Park and Heuiseok Lim},
journal= {arXiv preprint arXiv:2504.05047},
year = {2025}
}