文章主要内容和创新点主要内容本文聚焦于利用大型语言模型（LLMs）构建多智能体系统，以模拟现实中的“决策会议”（结构化的协作会议，旨在通过专家讨论达成共识），核心目标是检测参与智能体之间的共识。研究通过两个任务评估了6个不同的LLM：一是“立场检测”（识别智能体对某一问题的立场），二是“立场极性检测”（识别立场的情感倾向为积极、消极或中性）。随后将这些模型整合到多智能体系统中，验证其在复杂模拟场景中的有效性。结果表明，LLMs能可靠地检测动态且微妙的辩论中的共识；加入专门的“共识检测智能体”可提升群体辩论的效率、审议质量和连贯性，使模拟结果接近真实决策会议。创新点提出基于LLM的多智能体决策会议模拟系统：首次将LLMs应用于模拟决策会议，重点解决共识检测问题，填补了LLMs在群体决策模拟中的研究空白。多维度评估LLMs的共识检测能力：通过“立场检测”和“立场极性检测”两个任务，结合基准数据集（VAST、Claim Stance Classification Dataset）和“LLM作为评判者”的主观评估方法，全面验证了LLMs的共识检测性能。验证小型/开源模型的有效性：发现开源模型（如Gemma 2 9B、LLaMA 3 70B）在共识检测任务中表现与闭源大模型（如ChatGPT 4）相当，甚至更优，为资源高效的应用提供了可能。证明共识检测智能体的价值：在多智能体系统中加入专门的共识