大语言模型在多代理辩论中作为辩论者表现的比较分析.pdfVIP

2025年第46卷第2期中北大学学报（自然科学版）Vol.46No.22025

（总第220期）JOURNALOFNORTHUNIVERSITYOFCHINA（NATURALSCIENCEEDITION）（SumNo.220）

文章编号：1673-3193（2025）02-0219-11J.NorthUniv.China,Nat.Sci.Ed.,2025,46(2):219-229.

大语言模型在多代理辩论中作为辩论者

表现的比较分析

张立炎，梁志剑

（中北大学计算机科学与技术学院，山西太原030051）

摘要：为了深入探索大型语言模型（LargeLanguageModels，LLMs）在模拟人类智能，特别是辩论能力方

面的潜力与局限性，将思维链（Chain-of-Thought，CoT）与检索增强生成（Retrieval-AugmentedGeneration，

RAG）技术相结合应用到多代理辩论（Multi-AgentDebate，MAD）中，构建了一套多代理辩论框架——

CoRAG-MAD，旨在模拟人类辩论比赛流程，包括开篇立论、质询环节、自由辩论和总结陈词四个阶段。设

计了公平辩论（FairDebate）、不平等辩论（UnequalDebate）和混合辩论（MixedDebate）三种不同的辩论场

景，通过自动化评估工具与人工专家评审相结合的方式，对辩论内容进行了深度分析。以OrChiD数据集为

测试平台，实验结果表明，CoRAG-MAD可以有效提高LLMs在各个辩论场景中的多项能力。具体而言，

在不平等辩论中，LLMs的逻辑推理得分提升57.56%，创造力得分提升49.77%；在混合辩论中，LLMs的

协作能力提升23.36%，整体性能提升28.20%。本文进行了消融实验和对比实验，验证了CoT模块在增强

逻辑推理能力方面、RAG模块在提升事实准确性和激发创新思维方面以及CoRAG方法在MAD中的有

效性。

关键词：多代理辩论；检索增强生成；思维链；大语言模型；NLP

中图分类号：TP391文献标识码：Adoi:10.62756/jnuc.issn.1673-3193.2024.08.0016

引用格式：张立炎，梁志剑.大语言模型在多代理辩论中作为辩论者表现的比较分析［J］.中北大学学报（自

然科学版），2025，46（2）：219-229.

ZHANGLiyan，LIANGZhijian.AComparativeanalysisoflargelanguagemodelsasdebaters’performanceinmulti

-agentdebates［J］.JournalofNorthUniversityofChina（NaturalScienceEdition），2025，46（2）：219-229.

AComparativeAnalysisofLargeLanguageModelsasDebaters’

PerformanceinMulti⁃AgentDebates

ZHANGLiyan，LIANGZhijian

（SchoolofComputerScienceandTechnology，NorthUniversityofChina，Taiyuan030051，China