Belief Engine：多智能体LLM商议中可配置、可检查的立场动态

基于LLM的智能体越来越多地被用于模拟协商、冲突化解与多轮意见交流等商议性互动。然而生成的对话记录往往无法揭示智能体立场为何改变：立场移动可能反映证据吸纳、锚定、角色漂移、回声效应，或提示与检索上下文的变化。我们提出Belief Engine（BE），一个可审计的信念更新层，将“信念”视为关于某命题的证据状态，并将其暴露为标量立场。BE将论点提取到结构化记忆中，并用由证据吸纳u与先验锚定a控制的对数几率规则更新立场。跨多个基础LLM的参数扫描表明，这些控制能可靠地塑造立场动态，同时保留证据级的更新轨迹。在包含前后观点的人类商议数据集DEBATE上，BE对最终立场跟随所提取证据的参与者重建最好；稳定型与违背证据型的案例则指向锚定或提取证据流之外的因素。BE为研究基于证据的商议提供了可配置的基础设施，使开放性、坚持度、收敛与分歧能够与显式的更新假设挂钩，而非归因于隐藏的提示效应。