超越单独和一致性：通过条件渐进剪枝维护多智能体辩论

基于大语言模型 (LLM) 的多Agent辩论 (MAD) 是最有效的测试时计算扩展技术之一。通过多轮通信，智能体在知识和推理上相互补充，解决单个成员无法解决的任务。然而，现有的 MAD 框架在同样严格的成本限制下无法击败强大的单Agent和基于一致性的基线，这动摇了 MAD 领域的基础。我们提出了条件渐进剪枝（CPP），这是一种充分利用多轮 MAD 的轻量级剪枝框架。 CPP 在多个主导基准测试中优于所有现有的 MAD 框架。它也是第一个完全优于一致性方法的方法。我们的代码，详细的Agent交互记录很快就会发布。