Meta-Moderator：以元认知增强多智能体辩论

多智能体辩论可提升大语言模型推理能力，但常受弱调节限制。现有流程依赖固定预算或未经训练的评判导致冗余与误聚合。研究者将调节视为元认知过程，提出Meta-Moderator框架，通过结果驱动策略优化独立训练，动态调控辩论并在适当时机定论。在五个基准上优于常用决策层，并能跨任务和系统配置迁移。

此前多智能体辩论的调节机制多为固定预算或基于一致性的简单停止，缺乏自适应。Meta-Moderator将调节作为可学习能力，独立于辩论者训练，能动态决定何时结束辩论并聚合答案，显著提升推理性能，表明辩论质量可通过显式训练调节而提升。

Meta-Moderator将调节建模为元认知过程，包含监控辩论效用、控制辩论进程和裁决最终答案三个环节。通过结果驱动策略优化，调节器学习何时吸纳新假设或停止辩论，减少冗余推理并降低错误聚合概率，从而提升整体回答准确率。

该框架可嵌入需要多智能体协作或复杂推理的产品，例如智能问答、代码生成或决策支持系统。通过动态控制辩论轮次，可在保证答案质量的同时降低推理成本，提升响应速度。研发团队无需为每个任务调整辩论参数，节省调优成本。

• 将Meta-Moderator集成到现有LLM应用，作为可插拔调节层，用于自动决定辩论轮次和答案聚合，减少用户等待。
• 开发面向特定垂直领域（如医疗或法律）的定制化调节器，通过领域数据微调，提升专业推理准确性。
• 建立辩论调节性能基准，在五基准基础上扩展至更多任务，推出评测服务或工具，供其他团队评估。

• 证据未说明训练数据规模和来源，Meta-Moderator的训练泛化能力是否受限于特定任务类型？
• 跨任务和系统配置迁移的具体效果数据未给出，迁移的可靠性如何？
• 与现有决策层相比，计算开销增加多少，实际推理延迟影响未量化。