deliberation

本文介绍了InfoDelphi框架，该框架利用信息不对称（将证据划分为共享的公共子集和不相交的私有子集）来改进多智能体LLM的协商与预测。在PolyGym基准测试上，它在Brier得分上比单智能体和多智能体基线提升12-18%，在准确率上提升4-8个百分点，证明了多样化证据是有效多智能体推理的关键。

本文研究了使用LLM进行法律推理任务的多智能体协商方法，引入了两种受法庭程序启发的新框架。实验表明，多智能体系统在整体性能上与单一LLM相当，但能产生截然不同的答案，并能解决基线模型无法处理的案例，突显了多智能体方法在法律AI中的潜力。

本文分离了大型推理模型（LRMs）和人类中的难度登记与思考分配，发现LRMs在答错的问题上花费更多token，而人类在失败上花费更少时间，揭示了尽管跨项目难度相关性相似但项目内模式相反。

本文研究了推理模型的思考标记是否真正改善了安全对齐，发现安全结果可以从早期的隐藏表示中预测，且推理过程在很大程度上是表面化的，当前的安全干预措施导致了过度拒绝。

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。

介绍了Think-Before-Speak（TBS），一种基于间隔的多智能体模拟框架，将智能体的私人内部评估与公共话语生成分离，从而在社交模拟中分析从内部状态到公共表达的路径。

本文介绍了信念引擎（Belief Engine），这是一种为LLM智能体设计的可审计信念更新层，通过将信念视为具有显式更新规则的证据状态，使得多智能体协商中的立场变化变得可配置且可检查。

本文介绍了会话信息增益（CIG）框架，用于通过跟踪不断演变的语义记忆来衡量发言如何推进审议对话中的集体理解，并根据新颖性、相关性和蕴含范围对发言进行评分。作者证明了基于记忆的动态与人类感知的对话质量相关性强于传统启发式方法，并开发了基于LLM的信息中心会话分析预测器。