Debate or Vote: Which Yields Better Decisions in Multi-Agent Large Language Models?

论文《Debate or Vote: Which Yields Better Decisions in Multi-Agent Large Language Models?》总结与翻译

一、论文主要内容

（一）研究背景与核心问题

多智能体辩论（MAD）作为提升大型语言模型（LLMs）性能的热门框架，通过多智能体间的迭代讨论实现协同推理。但目前MAD有效性的核心驱动因素尚不明确，论文关键问题聚焦于：MAD的性能提升是源于智能体间有意义的辩论交互，还是仅来自多智能体输出的聚合（即集成效应）？

（二）核心研究发现

1. 实证结果：多数投票是MAD性能提升的主因

   • 论文在7个NLP基准数据集（涵盖算术运算、数学推理、医学知识问答、形式逻辑、常识推理等任务）上，对比了单智能体、不同MAD变体（去中心化MAD、稀疏MAD、中心化MAD）与多数投票的性能。
   • 结果显示：多数投票（仅聚合智能体初始输出，无辩论过程）的性能与MAD相当，且在多数任务中占MAD性能提升的绝大部分。例如，在Qwen2.5-7B-Instruct模型上，多数投票在算术任务上准确率达0.99，远超各类MAD变体（最高0.84）；平均准确率（0.7691）也高于所有MAD变体（最高0.7377）。
   • 扩展实验进一步验