SocraSynth：基于条件统计的多 LLM 推理

大型语言模型 (LLM) 虽然前景广阔，但因偏见、幻觉和缺乏推理能力而受到批评。本文介绍了 SocraSynth，这是一个旨在缓解这些问题的多 LLM 代理推理平台。SocraSynth 利用条件统计和通过连续论证进行的系统性上下文增强，以及可调整的辩论激烈程度。该平台通常涉及一名人类主持人和两个代表给定主题对立观点的 LLM 代理。SocraSynth 主要在两个阶段运行：知识生成和推理评估。在知识生成阶段，主持人定义辩论主题和激烈程度，提示代理为其各自的立场制定支持性论点。随后的推理评估阶段采用苏格拉底式推理和形式逻辑原则来评估所呈现论点的质量。对话结束时，主持人将激烈程度从对抗性调整为协作性，收集最终的和解性评论以辅助人类推理和决策。通过在三个不同应用领域的案例研究，本文展示了 SocraSynth 在促进严谨研究、动态推理、全面评估和增强协作方面的有效性。这强调了多代理交互在利用 LLM 进行高级知识提取和决策支持方面的价值。