arXiv · AI· Arnesh Batra, Aniket Khandelwal, Jashn Khemani, Krish Thukral, Arush Gumber, Denis Federico Lim, Ujwal Kumar, Phan Xuan Tan·· 5 小时前AI 评分39
MAD Bench 揭示多智能体辩论中模型如何受同伴影响改变观点
Who Convinced Whom? Tracing How LLMs Change Their Minds in Multi-Agent Systems
AI 导读
研究引入涵盖 2,400 题的 MAD Bench 基准，评估三个开源权重模型在多智能体辩论中的决策变化。 结果显示，辩论中强制选择读数匹配最终答案的比例（65.4%）显著高于独立反思（22.3%），且辩论使全错率增加 3.1-7.4 个百分点。 这表明更强的共识可能伴随更多的共享错误，需将依赖性纳入评估指标。
来源：arXiv · AI · arxiv.org