当顺序很重要时：顺序多智能体辩论中的第一发言者偏见和通过个性的缓解

多智能体辩论（MAD）通常用于改进大语言模型（LLM）推理，但顺序辩论很少是智能体意见的中立聚合器。我们表明，顺序 MAD 存在明显的先发言者偏差：当Agent先发言时，他们会不成比例地塑造最终答案。因此，将更强的模型放在较弱的模型之后可以大大抵消其推理优势。然后，我们关注处于不利地位的强Agent最后设置，并询问个性提示是否可以减轻这种不平衡。借鉴“大五”模型，我们将宜人性和外向性作为应用于强方或弱方的行为干预进行研究。我们发现它们的影响是特定于特质的。影响力不断向较低宜人性的方向转变，将低宜人性分配给较强的Agent有助于恢复其失去的影响力并提高最终的准确性。相比之下，外向性在影响力和准确性方面产生的系统性变化较少，其最明显的效果表现为Agent的冗长。这些发现表明，有效的 MAD 设计不仅取决于模型能力，还取决于发言顺序和诱发的交互行为如何塑造辩论过程。