Debate Multiagente

Debate multiagente (do inglês, multi-agent debate) é uma abordagem no campo dos grandes modelos de linguagem (LLMs), na qual múltiplos agentes (instâncias do modelo de linguagem) que interagem discutem coletivamente a solução de uma tarefa, trocando argumentos e propostas de resposta. O objetivo desse processo é chegar coletivamente à resposta mais correta e bem fundamentada para a questão proposta. A abordagem baseia-se na ideia da "sociedade das mentes", onde diferentes modelos verificam e complementam as conclusões uns dos outros. Pesquisas demonstraram que a discussão multiagente permite aumentar significativamente a precisão e a confiabilidade das respostas em comparação com a geração por um único método: a resposta final, obtida após o debate entre os agentes, geralmente é mais factualmente precisa e lida melhor com tarefas que exigem raciocínio. Em particular, observa-se uma redução no número de alucinações (fatos inexistentes) e um aumento no sucesso em tarefas de teste complexas ao usar essa estratégia.

A ideia de usar múltiplas IAs para debates remonta a trabalhos sobre a segurança da inteligência artificial. Em 2018, um grupo de pesquisadores da OpenAI (G. Irving, P. Christiano, D. Amodei) propôs o conceito de AI safety via debate – treinar agentes por meio de debates competitivos, nos quais dois oponentes modelo apresentam, alternadamente, argumentos concisos, enquanto um juiz humano decide qual deles apresentou a informação mais verdadeira e útil. A suposição era que, com uma estratégia ótima, tais debates permitiriam que a IA respondesse a perguntas extremamente complexas, exigindo do juiz apenas a avaliação da credibilidade dos argumentos. Nos anos seguintes, com o surgimento de LLMs poderosos, o princípio do debate entre modelos passou a ser aplicado diretamente para melhorar a qualidade das respostas dos próprios modelos – já sem a participação obrigatória de um humano, mas com uma seleção automatizada da melhor solução. Os sistemas modernos de LLM multiagentes utilizam o diálogo entre cópias ou modelos diferentes para corrigir os erros uns dos outros e chegar coletivamente a um resultado mais fundamentado.

Procedimento do Debate Multiagente

Em um cenário de debate multiagente, vários agentes-modelo trabalham em paralelo na mesma tarefa. Geralmente, a cada agente é apresentada a pergunta ou tarefa inicial, e em seguida, cada um gera sua própria resposta de forma independente. A isso se segue uma série de rodadas de comunicação entre os agentes: em cada rodada, todos os participantes trocam suas soluções atuais, e cada agente recebe as respostas dos outros como contexto adicional, com base no qual ele refina ou melhora sua resposta na rodada seguinte. Esse ciclo continua por várias iterações (geralmente um número fixo de rodadas ou até que um acordo explícito seja alcançado), após o qual o processo para e uma resposta final é emitida. O debate simula uma discussão humana, permitindo que os modelos critiquem as respostas uns dos outros e combinem suas habilidades de raciocínio para melhorar a qualidade da solução. Por exemplo, Yilun Du e colegas (MIT e Google Brain) usaram em seus experimentos 3 instâncias de um modelo de linguagem que discutiram um problema por 2 rodadas (um número maior de rodadas foi limitado devido aos custos de tempo e computação); foi demonstrado que mesmo com um diálogo tão limitado, as respostas finais melhoraram notavelmente, e com o aumento do número de agentes ou rodadas, a precisão continuou a crescer (embora com retornos decrescentes).

O procedimento do debate multiagente é totalmente implementado na etapa de inferência por meio de prompts especiais para organizar o diálogo entre modelos já treinados. Isso significa que o método não requer re-treinamento dos próprios LLMs e pode ser aplicado até mesmo a "caixas-pretas" – basta ter acesso à geração de texto dos modelos и coordenar sua comunicação de acordo com um modelo predefinido.

Para determinar a resposta final após várias rodadas, são utilizadas diferentes abordagens. Um dos mecanismos mais simples é a votação: ao final, os agentes podem propor independentemente suas soluções finais, e a opção apoiada pela maioria é escolhida (ou, por exemplo, a resposta que aparece com mais frequência). Outra abordagem é exigir consenso, ou seja, continuar a discussão até que todos os modelos cheguem à mesma resposta. Por fim, um agente-juiz separado pode ser envolvido: seja uma rede neural separada, treinada para avaliar respostas, ou um dos agentes com a função de árbitro. O juiz observa o andamento da discussão e escolhe qual argumento foi o mais convincente ou correto. A escolha do mecanismo de tomada de decisão afeta as características do sistema: a votação ou o consenso são simples de implementar, mas podem fixar erros de grupo, enquanto um avaliador-juiz (especialmente um treinado para identificar a resposta correta) é teoricamente capaz de extrair a solução certa mesmo com contradições entre os agentes. No entanto, a abordagem do juiz também tem suas dificuldades – por exemplo, se o papel de juiz for desempenhado pelo mesmo modelo que os participantes, ele pode involuntariamente ser tendencioso a favor do estilo de argumentação familiar de um dos agentes.

Variações na Configuração e Comunicação dos Agentes

Os sistemas multiagentes com LLMs podem variar em sua composição e na forma como os agentes interagem. Uma configuração homogênea implica que todos os agentes são cópias do mesmo modelo (ou modelos de nível semelhante), enquanto uma heterogênea inclui modelos de tipos ou tamanhos diferentes. No caso homogêneo, todos os participantes têm capacidades comparáveis, e suas divergências surgem apenas devido à geração estocástica de respostas ou a condições iniciais diferentes (por exemplo, diferenças nos prompts). Na abordagem heterogênea, modelos fortes e fracos podem ser usados simultaneamente, o que potencialmente permite que alguns agentes compensem as deficiências de outros. Pesquisas mostram que a interação entre diferentes LLMs leva os modelos mais fracos a melhorarem suas soluções ao receberem feedback dos mais fortes. Um exemplo notável é um debate conjunto entre os modelos de linguagem ChatGPT (GPT-4) e Google Bard na resolução de um problema matemático de texto: cada um desses modelos, individualmente, deu a resposta errada, mas durante a discussão, eles conseguiram apontar os erros um do outro e, no final, chegar a um acordo sobre a solução correta, utilizando os pontos fortes de cada um. Ao mesmo tempo, a heterogeneidade também apresenta riscos: um desequilíbrio significativo nas capacidades pode levar ao domínio de um modelo, e se a maioria dos agentes compartilhar um equívoco ou viés comum, o debate pode convergir rapidamente para uma resposta unificada, mas incorreta — um fenômeno conhecido como efeito de "câmara de eco". Análises teóricas (Estornell & Liu, NeurIPS 2024) mostraram que, com modelos muito semelhantes, o debate pode se estagnar em uma dinâmica estática, onde todos os participantes repetem a opinião da maioria, mesmo que seja baseada em um erro comum em seus dados. Portanto, em sistemas heterogêneos, a seleção cuidadosa dos agentes é crucial — por exemplo, selecionando modelos com níveis de conhecimento comparáveis para que nenhum domine ou induza os outros ao erro.

Outro aspecto é a estrutura de comunicação entre os agentes. Nas implementações básicas, utiliza-se uma topologia totalmente conectada de comunicação: a cada rodada, cada agente recebe as respostas de todos os outros. Essa troca "todos-para-todos" maximiza a informação disponível, mas gera custos significativos — o volume de contexto cresce proporcionalmente ao número de agentes, o que torna os cálculos mais pesados. Uma alternativa é a topologia esparsa, que limita com quem cada agente troca dados diretamente. Por exemplo, os agentes podem ser organizados em um grafo de rede (anel, árvore, etc.), onde cada um recebe respostas apenas de seus vizinhos. Um estudo da Google (Li et al., 2024) revelou que limitar a conectividade da rede de agentes pode reduzir significativamente os custos de geração sem deteriorar, e às vezes até melhorando, a qualidade da solução em comparação com uma discussão totalmente conectada. Em experimentos com os modelos GPT-3.5 e Mistral, o esquema esparso de discussões "vizinhas" produziu a mesma ou maior precisão em tarefas (incluindo matemática), enquanto reduzia em uma ordem de magnitude o número médio de tokens de contexto por passo. Esse resultado indica que a troca excessiva de mensagens nem sempre é necessária – basta organizar corretamente as interações-chave entre os agentes para que eles cheguem à solução correta com menos custos.

Além da topologia, são possíveis diferentes formatos de debate. Por exemplo, a alguns agentes podem ser atribuídos diferentes papéis: alguns atuam como "geradores de ideias", outros como "críticos" ou "verificadores" de soluções. Essa abordagem baseada em papéis busca imitar a divisão do trabalho, onde cada agente se especializa em uma tarefa específica (por exemplo, um propõe uma hipótese, outro verifica os fatos, um terceiro avalia a consistência lógica). Outra variação é a discussão em rodízio (round-robin): os agentes não falam simultaneamente, mas em uma ordem estrita, alternando os papéis de orador e respondente em uma sequência fixa. Isso se assemelha a debates formais, onde a palavra é concedida aos participantes de acordo com um regulamento, o que pode garantir a participação igualitária de todos os agentes. Outra abordagem é a regulação dinâmica de divergências: o sistema pode intencionalmente aumentar ou diminuir o grau de desacordo entre as respostas dos agentes a cada rodada. Por exemplo, pode-se incentivar que, nas primeiras etapas, as respostas sejam o mais divergentes possível (para cobrir diferentes hipóteses) e, à medida que se aproximam do final, convirjam. Tal mecanismo foi proposto no trabalho de Chang (2024) para evitar o consenso prematuro: ele mantém um nível moderado de contradição entre os agentes, estimulando o surgimento de novos argumentos и uma discussão mais aprofundada.

Vantagens e Eficácia da Abordagem

Os debates multiagentes têm atraído atenção devido à sua capacidade de aumentar o desempenho dos modelos de linguagem em tarefas complexas. Uma série de estudos independentes de 2023-2024 confirmou que um grupo de LLMs interagindo pode superar a qualidade da resposta de um modelo individual trabalhando na mesma tarefa. Em particular, foram demonstradas melhorias em domínios que exigem raciocínio complexo: de cálculos matemáticos a programação e sumarização de textos. Assim, Yin et al. (2023), Chan et al. (2023), Chen et al. (2024) e outros observam que os sistemas multiagentes superam consistentemente os LLMs individuais em problemas aritméticos, geração de código e até mesmo na criação de resumos de documentos. A razão é a diversidade de perspectivas: cada agente pode notar detalhes ou erros que outros deixaram passar e fornecer feedback aos colegas. A crítica mútua e a troca de diferentes hipóteses levam a uma análise mais abrangente da tarefa, resultando em uma resposta final mais precisa e confiável.

Por exemplo, pesquisadores do MIT e do Google Brain, liderados por Yilun Du, apresentaram na ICML 2024 o trabalho "Improving factuality and reasoning in language models through multiagent debate", no qual demonstraram uma melhora significativa na qualidade das soluções ao adicionar debates entre três instâncias de um modelo. De acordo com seus resultados, o procedimento de discussão multiagente permitiu alcançar métricas mais altas em uma série de tarefas em comparação com o uso individual do mesmo modelo: a precisão na resolução de problemas matemáticos e estratégicos aumentou, e a quantidade de erros factuais diminuiu. Especificamente, a abordagem multiagente melhorou os resultados do modelo em testes de raciocínio matemático, verificação de fatos e até em tarefas que exigem planejamento estratégico. Os autores observam que "a resposta final, gerada após essa discussão de múltiplas rodadas, é tanto mais factualmente correta quanto mais bem-sucedida na resolução de problemas de raciocínio". Abaixo está uma ilustração que compara a precisão na execução de várias tarefas por um modelo individualmente e com o uso de debates multiagentes.

Comparação de precisão em várias tarefas para geração de usuário único (cor azul) e para o modo de debate multiagente (cor vermelha). A abordagem multiagente (multi-agent debate) demonstra maior precisão em diversos domínios, incluindo questões factuais (biografias), o teste de conhecimento MMLU, verificação de movimentos de xadrez, resolução de expressões aritméticas, problemas de matemática de nível escolar (GSM8K) e encontrar o movimento de xadrez ideal. De acordo com o gráfico, os debates fortalecem especialmente as capacidades do modelo em tarefas estratégicas complexas (por exemplo, encontrar o movimento ideal no xadrez) e reduzem visivelmente a proporção de erros em cálculos matemáticos e questões de conhecimento factual.

Outra vantagem da abordagem multiagente é a superação das limitações da autorreflexão individual do modelo. LLMs individuais frequentemente usam a técnica de self-reflection (autorreflexão), onde o próprio modelo avalia e corrige sua resposta inicial. No entanto, descobriu-se que esse método é propenso ao problema de "degeneration-of-thought" — degeneração do pensamento: se o modelo acredita na resposta inicial, durante a autoverificação ele não gera ideias fundamentalmente novas, mesmo que a solução original esteja errada. Em outras palavras, o modelo tende a se fixar na primeira solução que concebe, rejeitando alternativas. Os debates multiagentes ajudam a mitigar esse efeito: vários agentes com o mesmo status podem inicialmente propor hipóteses diferentes e, em seguida, contestar sequencialmente os argumentos uns dos outros, o que estimula a busca por abordagens não convencionais. Tian Liang e colegas (EMNLP 2024) nomearam seu esquema multiagente como MAD (Multi-Agent Debate) e mostraram que ele de fato incentiva o pensamento divergente (diversificado) dos modelos e melhora os resultados em tarefas que exigem uma análise aprofundada do problema. Em sua implementação, vários agentes debatem seguindo o princípio de "olho por olho" (cada um se opõe alternadamente aos argumentos do outro), e um juiz auxiliar supervisiona o processo, gerenciando a discussão e selecionando a decisão final. Os experimentos de Liang et al. demonstraram a eficácia dessa abordagem em conjuntos de testes complexos — em tarefas de tradução de senso comum (tradução de sentenças considerando o bom senso implícito) e em aritmética contraintuitiva (quebra-cabeças matemáticos com condições aparentemente ilógicas), a discussão multiagente produziu respostas mais corretas do que os métodos padrão. A análise também revelou que, para obter o melhor resultado, os debates devem ser interrompidos de forma adaptativa, sem se tornarem excessivamente longos, e manter apenas um nível moderado de conflito entre os agentes — um comportamento muito agressivo ou, ao contrário, muito complacente piora os resultados.

A abordagem multiagente provou ser útil não apenas para tarefas típicas de pergunta e resposta. Ela encontra aplicação em outras áreas, como para um comportamento mais seguro e alinhado dos modelos. Estudos separados usam debates de agentes em tarefas de moderação e formulação de regras: vários LLMs podem discutir se uma determinada resposta é aceitável segundo normas éticas, fornecendo feedback uns aos outros durante o aprendizado por reforço. Observou-se que os debates podem gerar sinais de avaliação mais sutis e bem fundamentados, que ajudam a ajustar os modelos para segurança e utilidade. Também foram feitas tentativas de estender a abordagem para tarefas multimodais – por exemplo, quando alguns agentes descrevem uma imagem e outros verificam se a descrição corresponde à imagem. Em um trabalho do Google (2024), o sucesso dessa extensão foi demonstrado: a abordagem multimodal melhorou os resultados tanto em tarefas puramente textuais quanto na compreensão multimodal de imagens, mostrando a universalidade da "sociedade das mentes". Curiosamente, a interação dentro dos debates pode elevar o nível de modelos mais fracos, como mencionado anteriormente. Por exemplo, quando LLMs de diferentes capacidades participam de uma discussão comum, "os modelos mais fracos se fortalecem gradualmente, adotando estratégias bem-sucedidas dos mais fortes". Assim, o sistema multiagente não apenas resolve a tarefa proposta, mas também serve como um mecanismo de aprendizado coletivo entre os modelos.

Limitações e Problemas em Aberto

Apesar das vantagens significativas, os debates multiagentes enfrentam uma série de dificuldades e limitações. Uma das principais é o alto consumo de recursos dessa abordagem. Para organizar uma discussão, é necessário invocar a geração de texto de modelos grandes várias vezes: se n agentes participam em T rodadas, o número total de chamadas ao LLM aumenta em n x T vezes em comparação com uma única resposta. Além disso, a cada rodada, o modelo deve processar como contexto não apenas a pergunta original, mas também todas as réplicas das rodadas anteriores (as respostas de todos os agentes). Assim, com o aumento do número de agentes e rodadas, o volume de entrada de contexto cresce exponencialmente, levando ao efeito de explosão de contexto (context explosion) — o estouro da janela de contexto e o aumento dos custos de processamento. Experimentos mostram que adicionar apenas 2-3 rodadas de discussão aumenta significativamente o número total de tokens de contexto que o modelo precisa ler e, consequentemente, o tempo de resposta. Teoricamente, a qualidade da solução melhora com o aumento do número de iterações, mas na prática muitos trabalhos observam retornos decrescentes após algumas rodadas: frequentemente, o efeito máximo é alcançado na segunda ou terceira rodada, após o que discussões adicionais podem levar à repetição dos mesmos argumentos ou até a uma diminuição da precisão devido à saturação do contexto. Por exemplo, He et al. (2023) mostraram um aumento na precisão apenas até a 2ª rodada de debate, seguido por um declínio, e de forma semelhante, Liu, Li e colegas (2024) relatam um pico de qualidade em torno de 4 rodadas, após o qual ciclos adicionais apenas atrapalham. Portanto, determinar a duração ideal do debate é uma tarefa complexa: uma discussão muito curta pode não revelar todo o potencial da inteligência coletiva, enquanto uma muito longa pode causar ruído informacional e sobrecarga de contexto.

Outro problema é o risco de consenso grupal em uma resposta incorreta. Se todos os agentes têm experiências semelhantes e estão erroneamente convencidos de algum fato, eles podem reforçar o equívoco uns dos outros. Ocorre o efeito de câmara de eco: durante o debate, os modelos chegam a um consenso, mas não porque encontraram a verdade, e sim como resultado da confirmação de um viés comum inicial. Resultados teóricos (Estornell & Liu, 2024) indicam que com modelos idênticos, os debates podem cair em estagnação, repetindo a opinião da maioria sem o surgimento de novas ideias. Isso é especialmente perigoso quando essa maioria compartilha um erro comum, incorporado, por exemplo, nos dados de treinamento - nesse caso, o resultado de toda a discussão será incorreto. Para superar esse problema, são propostos métodos de intervenção especiais (diversity-pruning): a cada rodada, respostas muito semelhantes são descartadas algoritmicamente, incentivando os agentes a gerar variantes diferentes com entropia informacional máxima. Isso reduz a probabilidade de que todas as respostas sejam variações do mesmo erro. Outra técnica é a detecção e refutação de equívocos (misconception refutation): o sistema tenta identificar automaticamente as suposições comuns dos agentes e desafia deliberadamente aquelas que podem ser falsas. No trabalho de Estornell & Liu, foi proposto um conjunto de três intervenções semelhantes — além das mencionadas, também o quality-pruning (seleção dos argumentos mais relevantes e de alta qualidade a cada passo) – e foi demonstrado que sua combinação aumenta notavelmente a eficácia dos debates e evita a tendência à câmara de eco.

Finalmente, deve-se notar que a estabilidade e previsibilidade das discussões multiagentes ainda estão longe do ideal. Em alguns experimentos, os debates levaram a resultados instáveis - diferentes execuções da mesma discussão poderiam convergir para respostas diferentes, ou a resposta agregada poderia ser pior do que a de um modelo individual sem debate. Wang et al. (2024) e Smit et al. (2023) notaram independentemente casos em que a adição de agentes piorava o desempenho, o que indica uma linha tênue entre a crítica útil e as disputas destrutivas. Identificar as condições sob as quais a abordagem multiagente é garantidamente benéfica continua sendo objeto de pesquisa. Questões em aberto incluem: como decidir automaticamente quando parar o debate e fixar uma resposta, para não perder a vantagem nem entrar em uma disputa interminável, e de que maneira tomar a decisão coletiva – seja por votação, consenso ou com a ajuda de um juiz externo – de forma mais confiável para diferentes tipos de tarefas. Além disso, o problema de segurança e controlabilidade de sistemas multiagentes é agudo: é preciso garantir que os agentes não gerem coletivamente conteúdo indesejado ou tóxico e não reforcem as tendências prejudiciais uns dos outros. Essas questões, especialmente as relacionadas à segurança e escalabilidade, são reconhecidas como relevantes e complexas. Revisões atuais destacam a necessidade de mais pesquisas dedicadas ao desenvolvimento de regras de parada robustas para as discussões, à avaliação da escalabilidade da abordagem com o aumento do número de agentes e rodadas, e à implementação de métodos que garantam a confiabilidade e correção da resposta obtida coletivamente. A solução desses desafios permitirá transformar os debates multiagentes em uma ferramenta ainda mais poderosa e universal para a criação de sistemas de inteligência artificial mais inteligentes e seguros.

Ligações externas

• Improving Factuality and Reasoning in Language Models with Multiagent Debate — página do projeto
• AI safety via debate — artigo original da OpenAI
• Improving Multi-Agent Debate with Sparse Communication Topology — artigo sobre otimização da comunicação
• Literature Review Of Multi-Agent Debate For Problem-Solving — revisão da literatura
• Encouraging Divergent Thinking in Large Language Models through Multi-Agent Debate — artigo sobre MAD
• Improving Multi-Agent Debate with Contrastive Deliberation and Diversity-Promoting Interventions — artigo da NeurIPS 2024

Literatura

• Irving, G. et al. (2018). AI Safety via Debate. arXiv:1805.00899.
• Du, Y. et al. (2023). Improving Factuality and Reasoning in Language Models through Multiagent Debate. arXiv:2305.14325.
• Liang, T. et al. (2023). Encouraging Divergent Thinking in Large Language Models through Multi-Agent Debate. arXiv:2305.19118.
• Li, Y. et al. (2024). Improving Multi-Agent Debate with Sparse Communication Topology. arXiv:2406.11776.
• Guo, T. et al. (2024). Large Language Model based Multi-Agents: A Survey of Progress and Challenges. arXiv:2402.01680.
• Li, J. et al. (2024). More Agents Is All You Need. arXiv:2402.05120.
• Estornell, A.; Liu, Y. (2024). Multi-LLM Debate: Framework, Principals, and Interventions. NeurIPS 2024.
• Eo, S. et al. (2025). Debate Only When Necessary: Adaptive Multiagent Collaboration for Efficient LLM Reasoning. arXiv:2504.05047.
• Tillmann, A. (2025). Literature Review Of Multi-Agent Debate For Problem-Solving. arXiv:2506.00066.
• Cui, Y. et al. (2025). Efficient Leave-One-Out Approximation in LLM Multi-Agent Debate Based on Introspection. arXiv:2505.22192.
• La Malfa, E. et al. (2025). Large Language Models Miss the Multi-Agent Mark. arXiv:2505.21298.