保留分歧：多代理策略模拟中的架构异质性和一致性验证

使用 大语言模型 (LLM) 的多智能体审议系统越来越多地被提出用于政策模拟，但它们遭受人为共识的困扰：无论分配的价值观点如何，评估智能体都会集中在相同的选项上。我们提出了人工智能委员会，这是一个三阶段审议框架，并针对两种政策情景进行了 120 次审议，以测试两种干预措施。首先，与同质基线相比，架构异质性（为每个价值视角分配不同的 7-9B 参数模型）显着降低了首选集中度（儿童福利：70.9% 至 46.1%，p < 0.001，r = 0.58；住房：46.0​​% 至 22.9%，p < 0.001，r = 0.50）。这与以准确性为导向的多智能体辩论形成鲜明对比，其中异质性不会降低收敛性，这表明当不存在客观正确答案时，模型多样性的运作方式有所不同。其次，一致性验证（使用前沿模型来评估每个评估者的推理是否基于其分配的值）揭示了保真度与多样性的权衡：在具有主导选项的场景中，它进一步降低了集中度（46.1％至40.8％，p = 0.004），但在具有真正竞争性选项的场景中，它增加了集中度（22.9％至26.6％，p = 0.96）放大集中在一个选项上的高一致性评估者。这种权衡可能是采用质量加权的多智能体系统的一般属性。我们报告了三个失败的德尔菲设计的负面结果，证明 8B 模型对反驳论点表现出二元而不是分级的反应，并提出可信赖的紧张率作为小模型审议能力的诊断指标。