辩论与评审模式：生成者-批评者与多智能体辩论
前置知识
一句话定义
辩论与评审模式通过「生成者产出、批评者挑错、（可选）裁判裁决」的结构化对抗来提升答案的事实性与推理质量，其有效性建立在批评视角与生成视角的错误不相关这一前提上。
直观类比
论文投稿流程：作者写稿（生成者），两位审稿人独立提意见（批评者），主编综合意见做取舍（裁判）。审稿人不是来「捧场」的，制度设计保证了他们挑刺的动机。
为什么重要
单 Agent 自我批评（Self-Refine 类）的有效性受限于「自己难发现自己盲区」；引入独立视角的批评者是 LLM 系统里最便宜的制衡手段。Du 等人的多智能体辩论实验显示：多个智能体各自作答、互相看对方答案后多轮修订，在事实性与算术推理上显著优于单模型作答。
前置知识
kp-005（批评者同样需要角色卡：审什么、按什么标准、输出什么）；kp-004（独立性前提与成本模型）。
核心概念
- 生成者（Generator / Solver）：产出候选答案或方案；
- 批评者（Critic / Reviewer）：依据明确评审标准（Rubric）指出缺陷，不重写答案；
- 裁判（Judge）：在分歧中裁决，或综合修订建议产出最终版（LLM-as-Judge 的角色化用法）；
- 辩论轮次（Round）：生成者与批评者交换意见的迭代次数，成本随轮数线性增长；
- 多智能体辩论（Multi-Agent Debate, MAD）：多个地位平行的求解者互相看答案并多轮修订，最后由裁判或投票定论。
原理与机制
制衡的收益来自错误不相关：批评者与生成者的盲区不同（不同提示框架、不同检索上下文、最好不同模型），才能发现对方看不见的错。工程上有三条保住独立性的纪律：批评者在看到答案前先独立形成自己的判断（避免锚定）；批评者的上下文不包含生成者的推理过程（只看结论与依据，防止被说服）；生成者不拥有「接受/拒绝」批评的最终权（由结构而非模型决定何时收敛）。变体谱系：单生成者-单批评者的迭代评审（最便宜）、红队-蓝队对抗（安全测试）、N 路辩论加裁判（最贵、用于高风险决策）。收敛控制必须外置：轮数上限 + 分歧度阈值（裁判判定「已无实质分歧」）。
图示
┌──────────── 生成者(G) ────────────┐
答案 v1 │ │ 修订 v2(吸收有效意见)
▼ │
批评者C1 ─┐ 各自独立评审, 互相看不到意见 │
批评者C2 ─┼─▶ 裁判J: 汇总意见→判定分歧度 ──────┘
│ │分歧仍大: 进入下一轮(≤上限)
│ └分歧收敛或达上限: 输出终稿+意见归档实例或案例
市场分析报告评审：写作智能体产出带引用的报告；两个批评者分别持「数据核对」与「逻辑链条」角色卡独立评审——数据批评者逐条核对引用来源，逻辑批评者检查结论是否被前提支撑且互不交换意见；裁判合并去重意见并打回写作智能体修订。一轮成本约为生成成本的 3 倍，换来引用错误率显著下降，对对外发布场景值得。
公式或模型
设生成答案含错误数为 E，批评者 j 独立检出其中错误的比例为 qⱼ（检出率），K 个独立批评者后残留错误期望 E·Π(1-qⱼ)。例：E = 10，q₁ = q₂ = 0.5 → 残留 2.5 条；若两批评者高度相关（q 同源），残留接近 E·(1-0.5) = 5 条。独立性把残留错误从 5 压到 2.5——这个算式解释了为什么「两个相似的批评者」约等于一个。
常见误区
- 误区一：批评者看了生成者的推理链再审。 锚定效应使批评退化为附和，独立判断必须前置；
- 误区二：让生成者决定是否采纳批评。 当事人自裁等于没有制衡，收敛判定必须交给裁判或外置规则；
- 误区三：辩论适合一切任务。 开放式创作缺公认标准，辩论易空转；简单任务上多轮辩论是纯浪费（成本随轮数线性涨，呼应 kp-004）。
与其他知识点的关系
kp-009 的投票假设任务有客观答案，辩论则处理「需要论证质量」的任务，二者可先辩论后投票；批评者输出的结构化缺陷清单是 kp-022 重试策略的输入；裁判角色是 kp-024 中 LLM-as-Judge 的应用场景。
自测题
- 保住批评独立性的三条纪律是什么？
要点：先独立判断再互看；不共享推理过程只看结论依据；收敛判定权不在生成者手中。
- 两个检出率各 50% 但高度相关的批评者，残留错误期望是多少？
要点：约 E·(1-0.5) = 0.5E，相关性使第二人几乎不新增检出。
- 辩论模式与投票模式的适用分界？
要点：有客观答案用投票（kp-009），质量依赖论证用辩论；可组合为先辩论收敛再投票定论。
延伸阅读
Du 等人的多智能体辩论论文是本模式的实证基础；Madaan 等的 Self-Refine 展示了「单智能体自批评」这一退化基线，可用作对照。