Multi-Agent Debate: Dosiahnutie konsenzu prostredníctvom diskusie

Multi-Agent Debate je architektonický vzor, pri ktorom viacero LLM agentov nezávisle navrhuje riešenia, kritizuje návrhy ostatných a počas viacerých kôl konverguje k spoločnej, kvalitatívne lepšej odpovedi. Agent v úlohe moderátora alebo kritika riadi diskusiu a rozhoduje s konečnou platnosťou. Vzor zvyšuje kvalitu uvažovania a faktickú presnosť za cenu výrazne vyšších nákladov a latencie. Je teda nástrojom na úlohy s vysokou hodnotou, citlivé na chyby, nie na rutinný objem.

• Čo prináša: Viacerí agenti si produktívne odporujú, odhaľujú chyby a slepé miesta a revidujú svoje odpovede, namiesto toho, aby zabetónovali prvý návrh.
• Koľko to stojí: Podľa hrubého odhadu 3-6x viac tokenov než jeden agent, pri väčších konfiguráciách viac, k tomu vysoká latencia, pretože kolá prebiehajú sekvenčne.
• Kedy sa oplatí: Pri náročnom uvažovaní a vysokých nárokoch na faktickú presnosť (právo, veda, regulačné záležitosti, overovanie tvrdení); nie pri rutinnom vysokom objeme.

Zaradenie: Debate ako vzor Evaluator-Optimizer

V taxonómii Anthropic z Building Effective Agents (december 2024, Schluntz & Zhang) sa Multi-Agent Debate nevyskytuje. Vzor sa však dá priradiť k workflow vzoru Evaluator-Optimizer, ktorý sa často nazýva aj Critic-Generator. Základná forma je jednoduchá: generujúci agent navrhne riešenie, agent v úlohe kritika alebo sudcu (judge) ho ohodnotí a vyžiada si revíziu. V rozšírenej forme, ktorú Anthropic neopisuje, debatuje viacero rovnocenných agentov ako protistrany a na konci rozhodne moderátor.

Rozhodujúcim mechanizmom je explicitná, iteratívna kritika. Na rozdiel od jediného agenta, ktorý dodá svoju prvú vierohodnú odpoveď, je tu každá odpoveď vystavená protistrane, ktorá aktívne hľadá slabé miesta. Základný výskum Multi-Agent Debate z MIT a Google Brain (Du et al., 2023, ICML 2024) tento prístup podopiera: štruktúrovaná konfrontácia môže znížiť chyby v uvažovaní aj halucinácie, pretože to, čo jeden agent prehliadne, zachytí iný.

Pre zaradenie v kontexte DACH B2B je dôležité: Evaluator-Optimizer je jedným zo siedmich vzorov v tejto taxonómii a Multi-Agent Debate možno chápať ako jeho rozšírenú formu. Väčšina produkčných „agentov“ je aj v roku 2026 buď jediný LLM s nástrojmi (Augmented LLM), alebo jediný agent v slučke volaní nástrojov (Autonomous Agent). Debate je vedomá eskalácia, nie predvolená voľba.

Ako prebieha debata

Typický beh Multi-Agent Debate sa riadi touto schémou:

1. Kolo návrhov: Dvaja alebo viacerí agenti odpovedajú na tú istú otázku nezávisle, ideálne s rôznymi promptami alebo modelmi, aby vznikla rozmanitosť.
2. Kolo kritiky: Každý agent dostane návrhy ostatných a konkrétne pomenuje slabé miesta, faktické chyby alebo logické medzery.
3. Kolo revízie: Každý agent prepracuje svoju odpoveď na základe kritiky. Môže to prebehnúť v niekoľkých iteráciách.
4. Konsenzus/rozhodnutie: Agenti konvergujú k spoločnej odpovedi, alebo agent v úlohe moderátora či sudcu (judge) vyberie, prípadne syntetizuje finálne riešenie.

Hodnota vzniká v druhom a treťom kole. Debata, v ktorej nikto skutočne neoponuje, je len drahou verziou Self-Consistency.

Vzťah k Self-Consistency, ensemblingu a Mixture-of-Agents

Multi-Agent Debate sa často zamieňa s príbuznými postupmi. Rozdiely sú architektonicky podstatné a ovplyvňujú náklady.

Self-Consistency generuje viacero nezávislých ciest k odpovedi s tým istým modelom a väčšinovým hlasovaním vyberie najčastejšiu odpoveď. Behy o sebe navzájom nevedia, neprebieha žiadna diskusia, len agregácia hlasovaním.

Mixture-of-Agents (MoA) je paralelný ensemble viacerých LLM s agregátorom, ktorý odpovede syntetizuje. Referenčná práca od Together AI (Wang et al., arXiv:2406.04692, ICLR 2025 Spotlight) ukazuje, že vrstvená konfigurácia MoA z open-source modelov prekonala GPT-4 Omni v benchmarku AlpacaEval 2.0 (65,1 % vs. 57,5 %). MoA však iba agreguje, modely sa navzájom iteratívne nekritizujú.

Multi-Agent Debate ide ďalej než oba postupy: agenti vidia návrhy ostatných, explicitne ich kritizujú a počas viacerých kôl revidujú svoje vlastné odpovede. Postup je diskurzívny a iteratívny, nezostáva pri hlasovaní či agregácii.

Faktory nákladov pre MoA (4-8×) a Debate (3-6×) sú hrubé odhady pre malé konfigurácie (stav 2026) a rastú s počtom modelov, agentov a kôl; faktor ~N× pre Self-Consistency vyplýva priamo z počtu vzorkovaných ciest. Pre rozhodovanie platí: Self-Consistency je najlacnejšie zlepšenie kvality, MoA prináša rozmanitosť modelov a Debate je jediný postup so skutočnou vzájomnou korekciou, zato aj postup s najvyššou latenciou, pretože kolá musia na seba nadväzovať.

Kedy Debate kvalitu naozaj zvyšuje

Multi-Agent Debate je vzor typu quality-bound, nie latency-bound. Vhodné oblasti nasadenia sú predovšetkým:

• Vysoko citlivé úlohy náročné na uvažovanie, pri ktorých je kvalita dôležitejšia než náklady
• Tvorba právnych memoránd
• Vedecké písanie a regulačné podania
• Overovanie marketingových tvrdení z hľadiska správnosti a súladu s predpismi (compliance)

Spoločný menovateľ: nesprávna odpoveď je drahá a úloha profituje z toho, že druhé stanovisko spochybní prvé. Faktická presnosť sa zlepšuje, pretože agent v úlohe kritika dokáže označiť nepodložené tvrdenia skôr, než sa dostanú do finálnej odpovede.

Kedy sa mu vyhnúť: Pri rutinných workflow s vysokým objemom. Ak na jednu požiadavku pripadá trikrát až šesťkrát viac tokenov a čas odozvy sa niekoľkonásobne predĺži, pre štandardnú zákaznícku podporu, jednoduchú klasifikáciu alebo masové generovanie obsahu to nie je obhájiteľné.

Spôsoby zlyhania a protiopatrenia

Pre prax sú rozhodujúce tri riziká:

• Mode Collapse: Kritik automaticky súhlasí, namiesto toho, aby pomenoval skutočné slabé miesta. Debata sa zvrhne na drahú ozvenu.
• Echo-Chamber: Agenti si navzájom posilňujú nesprávnu premisu, napríklad z chybného promptu hlavného agenta. Protiopatrenia: diverzifikovať sub-agentov pomocou rôznych modelov alebo promptov (štýl MoA) a zaviesť explicitnú rolu kritika.
• Reward Hacking / explózia nákladov: Ak je kritik zároveň zdrojom trénovacích dát, môže odmeňovať sám seba; a bez limitu kôl náklady na tokeny eskalujú.

K tomu sa pridáva všeobecný spôsob zlyhania multi-agentových systémov Cascading-Failures: ak agent vyhalucinuje fakt, moderátor ho môže prevziať do finálnej odpovede. Účinným protiopatrením je samostatný verifier/judge agent s retrievalom ukotveným v zdrojoch (grounded) a povinnými citáciami.

Príklad konfigurácie: overovanie tvrdenia pomocou troch agentov

Konkrétna, realistická konfigurácia pre agentúru, ktorá chce overiť, či je marketingové tvrdenie fakticky podložené:

```
Otázka: "Je tvrdenie 'vedúce riešenie v regióne DACH' preukázateľné?"

Kolo 1: Návrh:
Agent A (model 1, prompt "optimistický"): Návrh hodnotenia A
Agent B (model 2, prompt "skeptický"): Návrh hodnotenia B

Kolo 2: Kritika:
Agent A kritizuje B (chýbajúce zdroje?)
Agent B kritizuje A (nepodložené superlatívy?)

Kolo 3: Revízia:
Agent A a Agent B prepracujú odpovede na základe kritiky

Záver: Verifier/moderátor (model 3):

• overí každé tvrdenie podľa nájdených zdrojov (retrieval, povinná citácia)
• syntetizuje finálne, podložené hodnotenie
  ```

Výpočtový príklad pre predstavu o rádovej veľkosti: Ak jeden agent spotrebuje na túto úlohu približne 4 000 tokenov, už minimálna forma (jeden generátor, jeden kritik, jedna revízia) stojí zhruba 3-6-násobok. Zobrazená konfigurácia potrebuje najmenej sedem volaní LLM a od kola 2 každý agent navyše spracúva texty protistrany. Skončí tak skôr pri 7- až 10-násobku, teda zhruba pri 28 000 až 40 000 tokenoch (vlastný odhad, stav 2026). Pri jedinom tvrdení s vysokou hodnotou je to obhájiteľné, pri 10 000 tvrdeniach denne nie. Práve táto hranica, „oplatia sa vyššie náklady na jednu požiadavku?“, je skutočným architektonickým rozhodnutím.

Vzor sa dá realizovať bez vlastného vývoja: LangGraph modeluje slučky Evaluator-Optimizer ako stavový graf, AutoGen podporuje Group Chat so striedaním rečníkov (turn-taking) a oba sú pod licenciou MIT. AutoGen je však v režime údržby a nové funkcie už nedostáva. Microsoft ako nástupcu uvádza Microsoft Agent Framework.

Pre agentúry a B2B

Pre marketingové agentúry a rozhodovacích činiteľov v B2B v regióne DACH je záver pragmatický: Multi-Agent Debate je cielený nástroj na výstupy s vysokou hodnotou, citlivé na chyby, nie štandardná páka pre každý workflow. Typickými prípadmi sú overovanie tvrdení a súladu s predpismi, odborne podložené texty a regulačné návrhy. Ak ho nasadzuješ, mal by si vedome porovnať spotrebu tokenov, podľa konfigurácie 3- až 10-násobok jedného agenta, a vyššiu latenciu s rizikom chyby a vždy pracovať s rôznymi modelmi plus verifierom, aby si sa vyhol Echo-Chamber a Mode Collapse. Blck Alpaca navrhuje takéto topológie agentov tak, aby hĺbka diskusie vznikala len tam, kde sa oplatí, s jasnými nákladovými limitmi na jednu požiadavku a dohľadateľnými zdrojmi pre každé tvrdenie. Ako takéto systémy realizujeme, opisuje stránka Integrácia AI agentov.