顶会ACL‘24录取的940篇论文中，LLM-Multi agent居于高频词榜单，热度不断攀升。而ICML’24也是如此，LLM-Multi agent无疑是今年的热点词。北大、中科院、微软等多个国内外权威研究团队都瞄准了这个方向。此外，Multi agent无需针对特定任务或场景进行额外的微调，对算力的需求大大降低，为科研人开辟了一条更高效的探索道路。
为了让大家更好的掌握LLM-Multi Agent发现创新点冲击2025顶会，研梦非凡于10月11日晚（周五），邀请了从事多模态大模型研究的王导师，为大家独家详解《LLM-Multi Agent推理能力提升新策略》（AI前沿直播课NO.73），主要讲解ICML高被引论文以及ACL'24的前沿研究，两篇论文。从LLMs面临的挑战，到多智能体辩论的方法与改进，重点讲解多智能体辩论过程，并具体演示代码，一节课速通多智能体辩论方法，发现论文idea。
凡预约即可免费领取200篇相关论文（20篇多智能体+70篇多模态+120篇大模型）
直播课课程大纲
《Improving Factuality and Reasoning in Language Models through Multiagent Debate》
一、研究背景
关注的问题 LLMs面临的挑战 多智能体辩论的方法
主要贡献
多智能体debate的方法 关于事实准确性的 benchmark 评估 debate 过程的生成表现
二、方法
多智能体辩论（Debate） 辩论过程（如图） 例子：一个数学问题的解决过程
思考
提高了多少推理能力？ 提高了多少事实有效性？ 什么设计可以让debate提高语言生成的表现？
三、实验分析
在六个推理、事实性和问答任务中评估了辩论方法的表现。 分析了辩论中代理人数量的影响、辩论回合数、辩论长度、初始化提示的不同方式以及使用不同语言模型的效果。 实验结果表明，辩论方法在提高推理和事实准确性方面优于单一模型基线。
凡预约即可免费领取200篇相关论文（20篇多智能体+70篇多模态+120篇大模型）
四、ACL‘24相关工作
《Rethinking the Bounds of LLM Reasoning: Are Multi-Agent Discussions the Key?》
研究背景
现有研究表明，多智能体讨论可以改善LLM的推理能力。本文重新评估了这一观点，通过系统实验提出了一种新的群体讨论框架。
方法
CMD框架 小组讨论阶段 投票阶段 最终决策阶段
实验分析
五、总结和展望
导师介绍
凡预约即可免费领取200篇相关论文（20篇多智能体+70篇多模态+120篇大模型）
研梦非凡科研论文指导
研梦非凡部分导师介绍
我们不是小作坊哦～我们背靠研途考研（就是张雪峰老师和徐涛老师在的那个研途考研），做教育十余年，重交付，重口碑，是我们一贯的公司理念！
