异构辩论引擎：面向韧性LLM伦理教学的身份锚定认知架构

大语言模型（LLM）正日益被用作复杂推理任务中的自主智能体，为辩证式互动开辟了空间。然而，由缺乏系统性约束的系统实现的多智能体系统会系统性地发生语义漂移与逻辑退化，因而难以用于需要精确答案的伦理教学。当前的模拟常常退化为辩证停滞：智能体退化成递归式的相互附和或循环论证。一个关键挑战仍然存在：如何在不抑制辩证推理所需生成灵活性的前提下保证对学说的忠实？为填补这一空白，我们提出了异构辩论引擎（Heterogeneous Debate Engine, HDE），一种将用于保证学说忠实性的 Identity-Grounded Retrieval-Augmented Generation（ID-RAG）与用于策略性对手建模的启发式心智理论（Heuristic Theory of Mind）相结合的认知架构。我们的评估表明，架构异质性是影响稳定性的关键变量：相对立的学说初始化（如义务论对功利主义）使学生的论证复杂度得分（Argument Complexity Score）较基线提升了一个数量级。这些发现验证了 ID-RAG 与启发式心智理论（Heuristic ToM）作为维持高保真（对抗性）教学的架构要素的有效性。