可靠度感知

深度分析

Efficient Majority‑then‑Stopping (EMS) 框架：提升大型語言模型多代理投票效率

多代理大型語言模型常用多數投票聚合答案，但全部推理成本高。研究提出EMS框架，先以歷史可靠度與語義相似度評估模型信心，依序呼叫，達成多數共識即停止。實驗顯示在六項基準上平均減少32%的模型呼叫，同時保留或提升準確度。此方法為多模型協同推理的效能優化提供新方向。