ECMR论文提出证据感知的多智能体LLM审议控制

Yuan Liu 等在 arXiv 发布论文（arXiv:2610.17869v1），提出ECMR：一个作用于冻结角色条件LLM的证据感知控制器，在多智能体推理中动态决定提出、质疑、验证、仲裁、纠错或停止审议，以减少语义性错误共识。 论文摘要称，在来自 MedQA、CaseHOLD 和 FinQA 的 9,000 条声明的留出评估记录上，ECMR-Full 将合并准确率从 62.1% 提高到 84.9%，错误共识率从 40.7% 降至 17.0%，证据支持率从 58.0% 升至 88.7%。作者同时说明 ECMR-Full 使用的 token 预算最大，带来的是最强的绝对可靠性而非普遍更优的 token 效率。以上为论文摘要声称的数值，属作者报告结果，尚无独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。