Голосование агентов заменили проверкой «от ответа к фактам» 🍴

10 сентября исследователи предложили новый способ разрешать споры между LLM-агентами. Проблема большинства и модели-судьи в том, что они рассуждают тем же путём — от входных данных к ответу — и часто повторяют общую ошибку.

Новый метод строит независимую обратную оценку: насколько вероятны наблюдаемые факты, если каждый из предложенных ответов верен.

Затем система:

🔘 сравнивает вывод каждого агента с обратной оценкой;
🔘 повышает вес наиболее согласованных вариантов;
🔘 объединяет прямое и обратное рассуждение в финальный ответ.

На случаях, где агенты расходились, метод обошёл лучшие варианты голосования на 1,2–4,7 процентного пункта для всех пяти протестированных LLM.

Для тебя здесь важен принцип: полезное разнообразие агентов — это не разные роли и промпты, а независимые способы проверки. Вместо ещё одного судьи можно добавить обратный проверяющий контур, который ищет согласованность ответа с исходными фактами.

Ограничения серьёзные: использовался один синтетический медицинский тест с закрытым набором ответов, одинаковая модель для всех агентов и только один раунд. Для открытых задач метод пока не проверен.

Пруф: исследование When Agents Disagree от 10 сентября 2026 года

#aiagents #multiagent #reasoning #llmevaluation #bayesianinference #agentarchitecture

@data_engi