对抗辩论决策
Adversarial Debate Decision Making
通过多角色对抗辩论提升 LLM 集体决策质量
子问题
1.辩论轮次控制与终止条件
2.角色立场设计与 prompt 工程
3.裁判综合评判机制
4.辩论历史管理
5.双层辩论的串行衔接与状态传递
6.辩手与裁判的模型分级策略(quick vs deep)
各项目的解法1 solutions
Signals
横向对比
| 维度 | TradingAgents |
|---|---|
| 辩论架构 | 两层串行：2方投资辩论 → 3方风险辩论，各层独立裁判 |
| 轮次控制 | count计数器 × 参与人数，配置化 max_rounds |
| 角色设计 | 5辩手(Bull/Bear/Aggressive/Conservative/Neutral) + 2裁判 |
| 裁判机制 | 独立裁判不参与辩论，使用 deep_thinking_llm 深度推理 |
| 记忆集成 | BM25检索历史反思经验注入辩手prompt，跨决策学习 |
| 状态管理 | TypedDict双状态(InvestDebateState/RiskDebateState)独立追踪 |
最佳实践
1.设计对立角色(Bull/Bear)确保观点多样性，配置辩论轮次平衡质量与成本
2.裁判使用更强模型(deep_thinking_llm)而辩手用快速模型平衡质量与成本
3.三方辩论用latest_speaker字段实现固定顺序循环路由