具有渐进式 RAG 和角色切换的法庭式多代理辩论，用于有争议的索赔验证

由于幻觉和浅薄推理，大语言模型（LLM）对于高风险索赔验证仍然不可靠。虽然检索增强生成（RAG）和多智能体辩论（MAD）解决了这个问题，但它们受到一次性检索和非结构化辩论动态的限制。我们提出了一个法庭式的多主体框架 PROClaim，它将验证重新表述为结构化的、对抗性的审议。我们的方法将专业角色（例如原告、辩方、法官）与渐进式 RAG (P-RAG) 相结合，以在辩论期间动态扩展和完善证据库。此外，我们采用证据协商、自我反思和异构多法官聚合来加强校准、稳健性和多样性。在 Check-COVID 基准的零样本评估中，PROClaim 的准确率达到 81.7%，比标准多智能体辩论高出 10.0 个百分点，其中 P-RAG 推动了主要性能提升（+7.5 个百分点）。我们最终证明，结构性审议和模型异质性有效地减轻了系统偏差，为可靠的索赔验证提供了坚实的基础。我们的代码和数据可在 https://github.com/mnc13/PROClaim 上公开获取。