multi-agent-debate

Debate-on-Graph (DoG) 是一个框架，通过利用带有置信度的不确定知识图谱 (UKG) 增强 LLM 推理，采用启发式搜索和多智能体辩论机制生成可靠答案。在四个 QA 基准测试中达到最先进性能。

MAD-OPD通过多教师辩论机制打破单教师蒸馏天花板，使小模型在工具调用和代码生成任务上反超大型教师模型。

本文介绍了LegalHalluLens，一个用于审计法律AI中幻觉的框架，提供类型化幻觉档案和风险方向指数，以提升可信赖部署。

MDForge 是一个 LLM 智能体，可自动化设计用于主客体结合自由能计算的分子动力学流程，取得了与人类专家相当的结果，并发现了一种新型高亲和力结合物。

本文研究了多智能体辩论系统中令牌级对数概率分布、LLM-as-judge评分标准分数和最终任务准确性之间的关系。它发现了一致的四阶段置信度轨迹以及Constructor与Auditor智能体之间的角色不对称性。

RADAR 提出角色锚定的多智能体辩论框架，让“政客”与“科学家”智能体在证据上对抗推理，识别因遗漏语境而具误导性的半真半假，在 omission-aware 事实验证上全面超越基线。