Thinking with Many Minds: Using Large Language Models for Multi-Perspective Problem-Solving
作者: Sanghyun Park, Boris Maciejovsky, Phanish Puranam
分类: cs.CL, cs.HC
发布日期: 2025-01-04 (更新: 2025-09-11)
备注: 36 pages, 1 appendix
💡 一句话要点
提出基于LLM的合成审议方法，解决复杂问题求解中多视角融合难题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 多视角问题求解 合成审议 认知灵活性 战略规划
📋 核心要点
- 现有方法在复杂问题求解中，难以有效融合多个视角，认知负荷高，导致决策质量下降。
- 论文提出合成审议方法，利用LLM模拟不同视角的智能体对话，实现多视角并行探索和整合。
- 实验表明，该方法能够有效处理多个视角，提升问题求解质量，并在战略规划等领域具有潜力。
📝 摘要（中文）
复杂问题求解需要认知灵活性，即在保持不同视角独特性的同时，兼顾多个视角的能力。这种灵活性类似于个体内部的“群体智慧”，使其能够“用多个大脑思考”。虽然心理模拟可以实现想象中的审议，但认知限制会降低其有效性。我们提出了一种基于大型语言模型（LLM）的合成审议方法，该方法模拟了代表不同视角的智能体之间的对话，以此作为解决方案。我们使用定制的基于GPT的模型，展示了它的优势：并发处理多个视角而不会降低认知能力，并行探索视角，以及精确控制视角合成。通过外部化审议过程并将认知劳动分配到并行搜索和整合之间，合成审议超越了心理模拟的局限性。这种方法在战略规划、政策制定和冲突解决方面显示出前景。
🔬 方法详解
问题定义：论文旨在解决复杂问题求解过程中，个体认知能力有限，难以有效整合多个不同视角的问题。现有方法，如心理模拟，虽然能够帮助个体进行思考，但由于认知资源的限制，无法充分探索和整合多个视角，导致决策质量下降。因此，如何利用计算资源来扩展个体的认知能力，实现多视角融合，是本研究要解决的核心问题。
核心思路：论文的核心思路是利用大型语言模型（LLM）模拟多个具有不同视角的智能体之间的对话，从而实现“合成审议”。通过将问题分解为多个视角，并让LLM模拟代表这些视角的智能体进行讨论，可以并行探索不同的解决方案，并最终整合为一个更全面的决策。这种方法旨在克服个体认知能力的限制，利用LLM的强大计算能力和知识储备，实现更有效的多视角问题求解。
技术框架：该方法的技术框架主要包括以下几个阶段：1) 视角定义：确定需要考虑的关键视角，例如在战略规划中，可以包括财务、市场、运营等视角。2) 智能体构建：为每个视角创建一个智能体，这些智能体具有特定的知识、目标和偏好。可以使用prompt engineering来控制LLM的行为，使其代表不同的视角。3) 对话模拟：让这些智能体进行对话，讨论问题并提出解决方案。可以使用不同的对话策略，例如辩论、协商等。4) 结果整合：将不同智能体提出的解决方案进行整合，形成最终的决策。可以使用不同的整合方法，例如投票、加权平均等。
关键创新：该论文最重要的技术创新点在于将LLM应用于多视角问题求解，并提出了“合成审议”的概念。与传统的心理模拟方法相比，该方法能够并行处理多个视角，避免了认知资源的限制。此外，该方法还可以精确控制智能体的行为，使其代表不同的视角，从而实现更有效的多视角融合。
关键设计：论文使用定制的基于GPT的模型作为LLM。关键设计包括：1) Prompt Engineering：设计特定的prompt来引导LLM的行为，使其代表不同的视角。例如，可以使用prompt来定义智能体的知识、目标和偏好。2) 对话策略：选择合适的对话策略，例如辩论、协商等，以促进不同智能体之间的交流和合作。3) 结果整合方法：选择合适的整合方法，例如投票、加权平均等，以将不同智能体提出的解决方案进行整合。具体的参数设置和损失函数等技术细节在论文中未详细描述，属于未知信息。
📊 实验亮点
论文展示了使用定制的基于GPT的模型进行合成审议的优势，包括并发处理多个视角而不会降低认知能力，并行探索视角，以及精确控制视角合成。虽然论文中没有提供具体的性能数据和对比基线，但强调了该方法超越了心理模拟的局限性，为复杂问题求解提供了一种新的思路。
🎯 应用场景
该研究成果可应用于战略规划、政策制定和冲突解决等领域。在战略规划中，可以帮助企业从多个角度评估市场机会和风险。在政策制定中，可以帮助政府考虑不同利益相关者的诉求，制定更全面的政策。在冲突解决中，可以帮助各方理解彼此的立场，找到共同点，从而达成协议。该方法具有广泛的应用前景，有望提升决策质量和效率。
📄 摘要（原文）
Complex problem-solving requires cognitive flexibility--the capacity to entertain multiple perspectives while preserving their distinctiveness. This flexibility replicates the "wisdom of crowds" within a single individual, allowing them to "think with many minds." While mental simulation enables imagined deliberation, cognitive constraints limit its effectiveness. We propose synthetic deliberation, a Large Language Model (LLM)-based method that simulates discourse between agents embodying diverse perspectives, as a solution. Using a custom GPT-based model, we showcase its benefits: concurrent processing of multiple viewpoints without cognitive degradation, parallel exploration of perspectives, and precise control over viewpoint synthesis. By externalizing the deliberative process and distributing cognitive labor between parallel search and integration, synthetic deliberation transcends mental simulation's limitations. This approach shows promise for strategic planning, policymaking, and conflict resolution.