CHAL：分层代理语言委员会

arXiv cs.AI 论文
multi-agent llm-reasoning debate belief-optimization defeasible-argumentation framework

摘要

本文介绍了CHAL，一个多智能体辩证框架，将可废止论证视为结构化信念优化，用于LLM推理，使用可配置的元认知价值系统和梯度感知的信念修正机制。

arXiv:2605.12718v1 公告类型：新 摘要：多智能体辩论已成为提高LLM在真实任务上推理能力的一种有前景的方法，然而当前方法面临某些结构性限制：辩论倾向于在信念轨迹上诱导鞅，多数投票解释了大多数观察到的收益，且LLM在各轮中表现出信心升级而非校准。我们认为，辩论以及整个辩证系统的真正价值不在于真实任务，而在于可废止领域，其中每个立场原则上都可以被更好的推理所驳倒。我们提出了分层代理语言委员会（CHAL），这是一个多智能体辩证框架，将可废止论证作为信念优化的引擎。每个智能体维护一个CHAL信念架构（CBS），这是一种基于贝叶斯启发的图结构信念表示，通过利用信念论点的强度作为可微分目标，借助梯度感知的动态机制促进信念修正。涵盖认识论、逻辑学和伦理学的元认知价值系统被提升为可配置的超参数，用于控制智能体推理和裁决结果。我们提供了一系列消融实验，展示了系统性和可解释的效果：裁决者的价值系统决定了辩论在潜在信念空间中的整体轨迹，委员会多样性为所有参与者优化信念，且该框架在广泛领域内具有通用性。据我们所知，CHAL是首个将多智能体辩论视为可废止领域上的结构化信念优化的框架。此外，它产生的可审计信念产物为可废止论证的专用评估套件奠定了基础，并对构建推理和价值承诺透明、一致且受人类监督的AI系统具有更广泛的意义。
查看原文
查看缓存全文

缓存时间: 2026/05/14 06:14 

# CHAL: 层次化智能体语言委员会
来源：https://arxiv.org/abs/2605.12718
查看 PDF (https://arxiv.org/pdf/2605.12718)

> 摘要：多智能体辩论已成为改进大型语言模型在真实任务上推理能力的一种有前景的方法，但当前方法存在一定的结构局限性：辩论往往在信念轨迹上诱导出一个鞅过程，多数投票机制贡献了观察到的绝大部分收益，而大语言模型在多个回合中表现出自信度升级而非校准。我们认为，辩论乃至整个辩证体系的真正价值不在于真实任务，而在于可废止领域 —— 在这些领域中，原则上任何立场都可能被更优的推理所推翻。我们提出了**层次化智能体语言委员会（CHAL）**，这是一个多智能体辩证框架，将可废止论证视为信念优化的引擎。每个智能体维护一个**CHAL信念模式（CBS）**，这是一种具有图结构的信念表示，采用类贝叶斯架构，通过将信念论点的强度作为可微目标，利用梯度信息驱动的动态机制来促进信念修正。横跨认识论、逻辑学和伦理学的元认知价值体系，被提升为可配置的超参数，用于指导智能体推理和裁决结果。我们进行了一系列消融实验，展示了系统性和可解释的效果：裁决者的价值体系决定了辩论在潜在信念空间中的整体轨迹，委员会多样性优化了所有参与者的信念，并且该框架在广泛领域中具有良好的泛化能力。据我们所知，CHAL 是首个将多智能体辩论视为在可废止领域上进行结构化信念优化的框架。此外，它生成的可审计信念产物，为可废止论证的专门评估套件奠定了基础，并对构建推理过程和价值观承诺透明、对齐且受人类监督的人工智能系统具有更广泛的意义。

## 提交历史

来自：Griffin Kent [查看电子邮件](https://arxiv.org/show-email/6a1ef802/2605.12718) **\[v1\]** 2026年5月12日星期二 20:26:41 UTC (1,663 KB)

相似文章

自适应潜在智能体推理

arXiv cs.CL

本文介绍了自适应潜在智能体推理（ALAR），一种针对LLM智能体的双模式框架，它使用紧凑的潜在推理处理常规轮次，并选择性地升级为显式思维链以应对更困难的决策，实现了高达84.6%的令牌减少，同时保持任务准确性。

多智能体LLM商议中的隐藏锚点

arXiv cs.AI

本文把多智能体LLM商议建模成一个闭环动力系统，其中每个智能体都拥有隐藏的内部信念（锚点），该锚点持续牵引其观点。文章展示了如何仅从商议数据中恢复这个锚点，并解释了诸如观点逃逸初始信念凸包等现象。