LLM 多智能体聚合的偏差控制与注入框架

研究提出一种 LLM 多智能体测试时聚合框架，用偏差控制与偏差注入提升集体决策准确率。该框架无需验证数据或模型强弱先验，对每个不同答案只保留一条风格归一化推理轨迹，并将聚合智能体初选答案置于少数派。在三个数学推理基准和四种异构 LLM 组合上，其准确率与 token 效率均优于非 oracle 聚合方法，用于多智能体 debate 与 Mixture-of-Agents 时也提升最终答案准确率。