站内快照 · 国内可打开。外网原文可能无法访问。
- 资讯公开站rss_arxiv_cs_ai
超越对称智能体：小语言模型中的认知多样性与多智能体辩论
Beyond Symmetric Agents: Cognitive Diversity and Multi-Agent Debate in Small Language Models
arXiv:2609.35875v1 公告类型：新 摘要：多智能体辩论（MAD）据称能比单模型推理提升推理与事实性，但以往工作将智能体视为对称同伴，未阐明增益来源。我们检验了智能体间认知多样性是驱动因素的假设，场景选在问题仍可测量的情形：具有基准提升空间的小型开放权重模型。我们覆盖来自十一个厂商家族的23个模型、五项任务、5500余次辩论与对照运行，沿三个轴变化多样性——人设、采样温度和模型身份——并将每种辩论配置与生成预算匹配的多数投票对照配对。该假设在所有轴上均被否定。辩论优于单智能体推理（在任务有提升空间处高3至7分），但在预算匹配条件下，它与自洽性采样打平甚至更差，而后者仅需1.6倍墙钟时间和3.4倍词元成本。人设提示降低准确率，且对每个模型完整组合人设空间的剂量-反应实验表明，代价是人设税而非多样性税：冗余人设伤害最大，而最大多样性团队能恢复部分