论文提出测试时多智能体聚合的偏差控制与注入框架

Sungjae Lee、Soheil Abbasloo、Jabin Koo、Jungseul Ok 在 arXiv 发布论文，提出一种测试时多智能体 LLM 答案聚合框架：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，以控制和利用回答偏置。该框架不需要验证数据，也不需要事先了解各模型的相对强弱。 基于论文摘要，在三个数学推理基准和四种异构 LLM 组合上，该框架相比非预言机聚合方法提高了平均准确率和 token 效率；应用于多智能体辩论和 Mixture-of-Agents 时，也能在不修改其交互或合成过程的情况下提升最终答案准确率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。