本研究提出了“辩论、训练、进化”(DTE)框架，以减少大型语言模型推理质量对外部监督的依赖。通过多智能体辩论和“反思-批评-改进”策略，显著提升了模型的推理能力和泛化能力。

该文综述多智能体与大语言模型结合的研究，通过多模型辩论、协商与同行评审式协作提升数学和策略推理，减少幻觉与虚假答案；提出推理能力准则、多智能体辩论框架及ChatEval评估方法，并构建基准测试，发现GPT-4与Llama-2-70B能力差距达三倍，概率图模型平均提升50%。

该文综述多智能体辩论（MAD）如何提升大语言模型的推理与真实性：多个模型实例反复辩论以达成共识，从而改善数学与策略推理、减少虚假答案与幻觉；在医学问答中权衡成本、时间与准确性，并提出基于一致性的新辩论策略；ChatEval 以多代理裁判模拟人类评估；MAD 还能缓解思维定式，提升常识翻译与反直觉算术推理。文中亦涉及自我对弈辩论、红队攻防与提示工程研究，表明精心设计的提示可接近复杂多智能体系统的性能。