精选今天0 投票
CHAL：分层智能体语言议会——将多智能体辩论重塑为信念优化引擎
多智能体辩论被寄望于提升大语言模型（LLM）的推理能力，但现有方法存在结构性局限：辩论倾向于在信念轨迹上形成鞅过程，多数投票贡献了大部分性能增益，且LLM在轮次中表现出信心膨胀而非校准。最新研究《CHAL: Council of Hierarchical Agentic Language》指出，辩论与辩证系统的真正价值不在事实性任务，而在可辩驳领域——即任何立场原则上都可能被更优推理击败。
来自该研究的团队提出了分层智能体语言议会（CHAL），一个将可辩驳论证视为信念优化引擎的多智能体辩证框架。每个智能体维护一个CHAL信念模式（CBS），这是一种受贝叶斯启发的图结构信念表示，通过梯度感知动态机制利用信念论点的强度作为可微目标，促进信念修订。元认知价值系统（涵盖认识论、逻辑与伦理）被提升为可配置的超参数，控制智能体推理与裁决结果。
消融实验显示系统性且可解释的效果：裁决者的价值系统决定潜在信念空间中辩论的整体轨迹；议会的多样性优化所有参与者的信念；该框架在广泛领域具有泛化能力。据作者所知，CHAL是首个将多智能体辩论视为结构化信念优化的框架，其可审计的信念产物为可辩驳论证的专用评估套件奠定基础，对构建推理与价值承诺透明、对齐且受人类监督的AI系统具有深远意义。