Beyond Answer Sharing: TrueMAD for Targeted Peer Engagement in Multi-Agent Debate
作者: Dezheng Bao, Sihang Du, Renhong Huang, Zhizhang Yuan, Yifei Sun, Yang Yang
分类: cs.AI
发布日期: 2026-10-13
💡 一句话要点
提出TrueMAD以解决多代理辩论中的参与不足问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 多代理辩论 推理能力 同伴建议 模型改进 准确性提升
📋 核心要点
- 现有的多代理辩论方法在代理之间的互动上存在不足，导致推理质量受损。
- TrueMAD通过引入一对一的同伴建议机制，允许代理在修订过程中获得更具针对性的反馈。
- 实验结果显示，TrueMAD在多个数据集上平均提升了3.62和3.52个百分点的准确率，表现出显著的改进。
📝 摘要（中文）
多代理辩论（MAD）旨在通过暴露代理于替代解决方案并促进迭代修订来提升大型语言模型的推理能力。然而，标准的广播式MAD使得代理的答案可见，却不要求代理与特定的同伴主张进行互动，导致可靠推理可能被冲突或多数响应抑制。为此，本文提出了TrueMAD，一个与骨干网络无关的测试时插件，在答案广播与自我修订之间引入一对一的自由形式的同伴建议。实验结果表明，TrueMAD在多个基准测试中显著提升了代理级和严格多数的准确性。
🔬 方法详解
问题定义：本文解决的是多代理辩论中代理之间缺乏有效互动的问题，现有方法的广播式回答可能导致推理质量下降。
核心思路：TrueMAD通过引入一对一的自由形式同伴建议机制，允许代理在自我修订时获得更具针对性的反馈，从而提升推理的可靠性。
技术框架：TrueMAD的整体架构包括源代理与目标代理之间的互动，源代理通过支持、反驳、修正或进一步提问的方式与目标代理进行交流，目标代理则控制修订过程。
关键创新：TrueMAD的核心创新在于其引入的同伴建议机制，使得代理能够在不更新参数的情况下，增强标准MAD及其改进版本的效果。
关键设计：在设计中，TrueMAD不需要对现有模型进行参数更新，且能够在多个基准测试中有效提升推理准确性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，TrueMAD在AIME、GPQA-Diamond和TruthfulQA数据集上，平均提升了3.62和3.52个百分点的代理级和严格多数准确率，而TrueDMAD则在DMAD上分别提升了4.72和4.06个百分点，表现出显著的性能改进。
🎯 应用场景
该研究的潜在应用领域包括教育、智能客服和决策支持系统等，能够通过增强代理之间的互动，提高系统的推理能力和决策质量。未来，TrueMAD可能在多代理系统的协作和学习中发挥重要作用。
📄 摘要（原文）
Multi-agent debate (MAD) aims to improve large language model reasoning by exposing agents to alternative solutions and enabling iterative revision. However, standard broadcast-style MAD makes peer answers visible without requiring agents to engage with a particular peer claim. As a result, reliable reasoning may be suppressed by conflicting or majority responses, limiting achievable performance, while erroneous reasoning may persist and degrade final predictions without actionable feedback. We propose TrueMAD, a backbone-agnostic test-time plug-in that introduces one-to-one, free-form peer advice between answer broadcasting and self-revision. Each source agent responds to a target's current reasoning through support, rebuttal, refinement, or further questions, while the target retains control over how to revise. The same mechanism can augment standard MAD and its improved variants without parameter updates. Across AIME, GPQA-Diamond, and TruthfulQA with Qwen3-30B-A3B, TrueMAD improves agent-level and strict-majority accuracy over MAD by 3.62 and 3.52 percentage points on average, while TrueDMAD improves DMAD by 4.72 and 4.06 points, respectively. Analyses at the utterance, agent-transition, and group levels further show more peer-specific deliberation, more correction-oriented revisions, and more favorable consensus dynamics.