PEAR：置换等变自适应路由多智能体辩论
摘要
多智能体辩论通过迭代的同行评审提升了大型语言模型（LLM）的可靠性。然而，固定的拓扑结构常常引入持续的位置偏差，放大不可靠的智能体，并导致对角色分配的高度敏感。我们提出了置换等变自适应路由多智能体辩论（PEAR），这是一种推理时协议，能够在连续的辩论轮次中动态重新配置通信角色和稀疏拓扑结构。通过基于不断演化的智能体状态策略性地切换智能体到角色的分配，PEAR 防止任何智能体永久占据特权网络位置，或在辩论中更均匀地分配影响力。我们从理论上将 PEAR 描述为一个等变稀疏路由器：它在智能体重标号下保持准确性，同时降低路由复杂度并提升泛化能力。在四个推理基准测试和六个不同的 LLM 主干网络上进行的全面实证评估表明，PEAR 在平均准确率上显著优于最强的辩论基线。代码见此 https URL。