arXiv · cs.AI· Sungjae Lee, Soheil Abbasloo, Jabin Koo, Jungseul Ok·· 5 小时前
LLM多智能体聚合中的偏置控制与注入框架
Bias Control and Injection for Multi-Agent Aggregation
arXiv:2610.21290v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sungjae Lee, Soheil Abbasloo, Jabin Koo, Jungseul Ok
研究任务与主要进展
Sungjae Lee等人提出一种测试时多智能体聚合框架，通过为每个不同答案提供一条风格归一化推理轨迹，并将聚合智能体初始选择的答案置于少数位置，控制和利用回答偏置。基于论文摘要，该框架在三个数学推理基准和四种异构LLM组合上，相比非预言机聚合方法提高平均准确率和token效率，也可用于多智能体辩论和Mixture-of-Agents。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org