群体视角很重要：规范辩论关系可以减轻多主体辩论中的盲目从众

多智能体辩论（MAD）通过多轮交互提高了 大语言模型（LLM）的推理性能。然而，MAD 中的 LLM 非常容易盲目从众。现有的个体评价方法通常基于置信度或困惑度，无法反映推理的正确性，甚至可能加剧盲目从众。为了解决这个问题，我们将视角从个人评估转向群体互动。我们将 LLM 之间的相互引用定义为 \textbf{辩论关系} 并认识到调节这些关系是减轻盲目从众的关键。在本文中，我们提出了一个新的框架，从群体的角度动态地调节 deb\textbf{A}te \textbf{R} 关系（DEAR）。首先，DEAR 将共识和分歧量化为 \textit{群体证据} 以捕获辩论状态。那么，DEAR的运作经历了三个阶段： 1）What：感知群体协商倾向和不确定性； 2）Who：引入Selection RL-Agent来动态选择参考点； 3）如何：采用行为 RL-Agent 自适应地调整生成行为。值得注意的是，我们将两个 RL-Agent 的执行制定为一个顺序决策过程，通过多代理强化学习联合优化。大量实验表明，DEAR 实现了卓越的性能，同时显着减少了词元消耗。