从辩论到审议：基于类型化认知行为的结构化集体推理

多智能体LLM系统越来越多地处理复杂推理，但其交互模式仍局限于投票、非结构化辩论或流水线编排。没有一种能建模审议（deliberation）：一个分阶段的过程，差异化的参与者交换类型化的推理动作、保留分歧，并就可问责的结果达成收敛。我们提出审议式集体智能（Deliberative Collective Intelligence，DCI），明确了四种推理原型、14种类型化认知行为、一个共享工作区，以及DCI-CF——一种保证终止的收敛流算法，其产出包含所选选项、剩余异议、少数派报告和重开条件的结构化决策包。我们使用Gemini 2.5 Flash在七个领域的45个任务上进行评估。在非常规任务（n=40）上，DCI显著优于非结构化辩论（+0.95，95% CI [+0.41, +1.54]）。DCI在需要视角整合的隐性信息任务上表现卓越（9.56，为所有系统在所有领域中的最高分），却在常规决策上表现不佳（5.39），证实了其任务依赖性。DCI产出100%的结构化决策包和98%的少数派报告，这些产物在所有基线中均不存在。然而，DCI消耗约62倍于单智能体的token，且单智能体生成在总体质量上优于DCI。DCI的贡献不在于智能体越多越好，而在于当过程可问责性足以证明成本合理时，重大决策能从审议结构中获益。