Neue Rollenstrategie steigert Multi-Agent Debatten um 22 % – KI-Logik gewinnt

Eine neue Studie aus dem arXiv-Repository (ArXiv:2511.11040v1) zeigt, dass die Art und Weise, wie Rollen in Multi-Agent Debatten (MAD) zugewiesen werden, entscheidend für die Leistungsfähigkeit von großen Sprachmodellen (LLMs) ist. Durch die gezielte Platzierung von Agenten mit unterschiedlichen Sichtweisen in spezifische Positionen kann die Qualität der Argumentation deutlich verbessert werden.

Die Forscher haben die sogenannte „Truth Last“-Strategie entwickelt, bei der die Rolle, die zuletzt spricht, als wahre Aussage betrachtet wird. Diese Methode steigert die Genauigkeit von MAD-gestützten Reasoning-Aufgaben um bis zu 22 %. Um die Herausforderung der unbekannten Wahrheit in realen Anwendungen zu adressieren, wurde die Multi-Agent Debate Consistency (MADC)-Strategie eingeführt. MADC nutzt Pfadkonsistenz, um die Übereinstimmung zwischen unabhängigen Rollen zu messen, und wählt die Rolle mit dem höchsten Konsistenzwert als wahre Aussage aus.

Die MADC-Strategie wurde auf neun verschiedene LLMs, darunter die DeepSeek-R1 Distilled Models, getestet und zeigte konsistent verbesserte Ergebnisse bei anspruchsvollen Reasoning-Aufgaben. Damit wird ein wichtiger Schritt zur Überwindung der Leistungsengpässe von MAD erreicht und ein klarer Weg für weitere Fortschritte in der Skalierung von LLM-Agenten eröffnet.