沉默并非共识：通过用于临床决策的 Catfish Agent 打破多智能体 LLM 中的附和偏见
计算与语言
2025-05-28 v1 人工智能
机器学习
其他定量生物学
摘要
大语言模型 (LLM) 在临床问答中展现出了强大潜力，近期多智能体框架通过协作推理进一步提升了诊断准确率。然而，我们识别出一个反复出现的问题——沉默附和，即智能体在缺乏充分批判性分析的情况下过早收敛于诊断，尤其在复杂或模糊病例中。我们提出了一个名为 Catfish Agent 的新概念，这是一种角色特化的 LLM，旨在注入结构化异议并打破沉默附和。受组织心理学中“鲶鱼效应”启发，Catfish Agent 被设计用于挑战新兴共识以激发更深层推理。我们制定了两种机制以鼓励有效且具备上下文感知的干预： 复杂度感知干预，根据病例难度调节智能体参与度； 语气校准干预，旨在平衡批判与合作。在九个医学问答和三个医学 VQA 基准上的评估表明，我们的方法持续优于单智能体和多智能体 LLM 框架，包括 GPT-4o 和 DeepSeek-R1 等领先商业模型。
引用
@article{arxiv.2505.21503,
title = {Silence is Not Consensus: Disrupting Agreement Bias in Multi-Agent LLMs via Catfish Agent for Clinical Decision Making},
author = {Yihan Wang and Qiao Yan and Zhenghao Xing and Lihao Liu and Junjun He and Chi-Wing Fu and Xiaowei Hu and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:2505.21503},
year = {2025}
}