WikiEdge:ArXiv-2311.17371/background

編輯

這篇文獻的背景主要集中在以下幾個方面：

1. 大型語言模型（Large Language Models, LLMs）的潛力與挑戰：
   • 大型語言模型（LLMs）在多種領域展現出了回應查詢的潛力，但確保生成代理提供準確和可靠的答案仍然是一個持續的挑戰。
   • 為了提高這些系統的推理能力，研究者們開始關注於提示策略，例如少樣本學習和思維鏈提示。
2. 多代理辯論（Multi-Agent Debate, MAD）策略的提出：
   • 多代理辯論（MAD）作為一種增強LLMs真實性的有前途的策略，通過多個代理之間的交互推理來提高答案的準確性。
   • 儘管多代理方法在語言生成、機器翻譯和算術推理等領域的應用日益增多，但如何有效利用多個代理進行交互推理仍是一個亟待解決的研究問題。
3. 不同提示策略的比較與評估：
   • 本文通過基準測試不同的提示策略，包括MAD，來探索它們在事實準確性、時間和成本之間的權衡。
   • 作者提供了一個開源的單代理和MAD實現套件，以便研究社區在此基礎上進一步構建和評估MAD系統。

綜上所述，這篇文獻的背景強調了在大型語言模型領域中對提高問題回答準確性的需求，以及多代理辯論策略在實現這一目標中的潛力和挑戰。