近日，山东大学计算机科学与技术学院通用智能实验室师生撰写的论文被NeurIPS 2025录用。NeurIPS是中国计算机学会CCF推荐的A类会议。
录用的文章如下：

标题：Belief-Calibrated Multi-Agent Consensus Seeking for Complex NLP Tasks

作者：Wentao Deng, Jiahuan Pei, Zhiwei Xu, Zhaochun Ren, Zhumin Chen（通讯作者）, Pengjie Ren（通讯作者）

研究内容：多智能体系统（Multi-agent system, MAS）通过多个智能体之间的协作，增强了解决复杂自然语言处理任务的能力，其中寻求共识是基本机制。然而，现有的共识寻求方法通常依赖投票机制来判断共识，忽视了系统内部信念中的矛盾，这些矛盾会破坏共识的稳定性。此外，这些方法通常要求智能体通过与其他所有智能体不加区分的协作来更新结果。这种统一的交互方式无法为每个智能体确定最优的协作者，从而阻碍了稳定共识的形成。为了解决这些问题，我们提出了一个理论框架，用于选择能够最大化共识稳定性的最优协作者。具体来说：
（1）我们从理论上证明了两种关键场景下的稳定共识达成：（i）协作环境中同时存在支持性与对抗性智能体的情况；（ii）多智能体系统中信念不同的领导者协作的情况。这组定理构成了信念校准共识寻求框架的理论基石。

（2）基于上述理论，我们提出了信念校准共识寻求（Belief-Calibrated Consensus Seeking, BCCS）框架，通过选择最优协作者并根据系统内部信念来校准共识状态的判断，以促进稳定共识的形成。

图：信念校准共识寻求（BCCS）框架示意图