TriAdReview：用于多模型技术文档生成的三角对抗性审查架构

大语言模型 (LLM) 越来越多地用于技术文档生成，但单模型输出经常遭受过度设计、安全盲点和覆盖不完整的问题。我们提出了 TriAdReview，这是一种三角对抗性审查架构，它采用两个独立的审查者模型（工程和边界视角）和三角判断机制来迭代改进生成器模型的输出。我们使用三种配置跨五个基准任务（架构设计、代码生成、提案审查、安全审计和需求分析）评估 TriAdReview：单模型（基线）、双模型（单审查）和三模型（完整系统）。 75 项实验（每个单元 n=5）的结果表明，三重模型配置比单一模型基线实现了 10.1% 的整体改进（26.2 比 50 中的 23.8；p<0.05，配对 t 检验），其中在安全审计 (+27.6%)、代码生成 (+20.8%) 和架构设计 (+15.6%) 方面的进步尤其明显。第二个评分者 (mimo-v2.5-pro) 以较小的影响 (+2.7%) 确认了方向，表明评分者之间的一致性中等。然而，该系统在需求分析方面表现出-7.5%的退化，这表明对抗性审查架构对简化存在结构性偏见，这对于以完整性为导向的任务来说会适得其反。我们通过任务类型框架分析这种边界条件，并证明审阅者的及时调整可以部分缓解该问题。我们的研究结果首次提供了多模型对抗性审查何时有益、何时有害的实证特征，对协作人工智能系统的设计具有影响。