异构辩论引擎：用于韧性LLM伦理辅导的身份锚定认知架构

大型语言模型（LLM）越来越多地被用作复杂推理任务中的自主智能体，这为辩证交互开辟了空间。然而，使用系统上无约束的系统实现的多智能体系统会系统地经历语义漂移和逻辑退化，因此难以用于需要精确答案的伦理辅导。当前的模拟往往退化为辩证停滞，智能体退化为递归的附和或循环论证。一个关键挑战仍然存在：如何在保持教义忠实性的同时，不抑制辩证推理所需的生成灵活性？为了解决这一空白，我们贡献了异构辩论引擎（HDE），这是一种认知架构，它结合了用于教义忠实性的身份锚定检索增强生成（ID-RAG）和用于战略对手建模的启发式心智理论。我们的评估表明，架构异构性是稳定性的关键变量：相反的教义初始化（例如，道义论与功利主义）将学生的论证复杂度分数提高了比基线高一个数量级。这些发现验证了ID-RAG和启发式ToM作为在高保真（对抗性）教学中维持架构要求的有效性。