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. Moderátorský alebo kritický agent riadi diskusiu a finálne rozhoduje. Vzor zvyšuje kvalitu reasoningu a vernosť faktom – za cenu výrazne vyšších nákladov a latencie. Je teda nástrojom pre vysokokvalitné, na chyby citlivé úlohy, nie pre rutinný objem.

• Čo prináša: Viacero agentov si produktívne odporuje, odhaľuje chyby a slepé miesta a reviduje svoje odpovede – namiesto toho, aby zacementovali prvý návrh.
• Čo stojí: Podľa researchu približne 3-6x viac tokenov než jeden agent, plus vysoká latencia, pretože kolá prebiehajú sekvenčne.
• Kedy sa oplatí: Pri náročnom reasoningu a vysokej požiadavke na vernosť faktom (právo, veda, regulatika, overovanie tvrdení); nie pri rutinnom vysokom objeme.

Zaradenie: Debate ako vzor Evaluator-Optimizer

V etablovanej taxonómii Anthropic z Building Effective Agents (december 2024, Schluntz & Zhang) patrí Multi-Agent Debate k stavebnému prvku Evaluator-Optimizer, často nazývanému aj Critic-Generator. Základná forma je jednoduchá: generátorský agent navrhne riešenie, kritický alebo judge agent ho ohodnotí a vyžiada revíziu. V rozšírenej forme debatuje viacero rovnocenných agentov adversariálne a moderátor na konci rozhodne.

Rozhodujúcim mechanizmom je explicitná, iteratívna kritika. Na rozdiel od jediného agenta, ktorý dodá svoju prvú plauzibilnú odpoveď, je tu každá odpoveď vystavená protistrane, ktorá aktívne hľadá slabé miesta. Výskum Multi-Agent Debate od DeepMind a Meta z roku 2024 tento prístup podporuje: štruktúrovaná konfrontácia môže znížiť chyby v reasoningu a halucinácie, pretože to, čo jeden agent prehliadne, druhý zachytí.

Dôležité pre zaradenie v kontexte DACH-B2B: Debate je jedným zo siedmich vzorov v tejto taxonómii. Väčšina produktívnych „agentov" je v roku 2026 naďalej buď jediný LLM s nástrojmi (Augmented LLM), alebo jediný agent v slučke nástrojov (Autonomous Agent). Debate je vedomá eskalácia – nie default.

Ako prebieha debata

Typický beh Multi-Agent Debate sa riadi touto schémou:

1. Kolo návrhov: Dvaja alebo viacerí agenti odpovedajú na rovnakú 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 vo svetle kritiky. Toto môže prebiehať počas viacerých iterácií.
4. Konsenzus/rozhodnutie: Agenti konvergujú k spoločnej odpovedi, alebo moderátorský/judge agent vyberie či syntetizuje finálne riešenie.

Hodnota vzniká v druhom a treťom kole. Debata, v ktorej nikto reálne neoponuje, je len drahé Self-Consistency.

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

Multi-Agent Debate sa často zamieňa s príbuznými postupmi. Rozdiely sú architektonicky významné a relevantné z hľadiska nákladov.

Self-Consistency generuje viacero nezávislých ciest odpovedí toho istého modelu a väčšinovým hlasovaním vyberá najčastejšiu odpoveď. Behy o sebe navzájom nič nevedia – neexistuje žiadna diskusia, len agregácia hlasovaním.

Mixture-of-Agents (MoA) je paralelný ensemble cez viacero 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 na AlpacaEval 2.0 (65,1 % vs. 57,5 %). MoA však len agreguje – modely sa navzájom iteratívne nekritizujú.

Multi-Agent Debate ide nad rámec oboch: agenti vidia návrhy ostatných, explicitne ich kritizujú a revidujú počas viacerých kôl. Je diskurzívny a iteratívny, nielen hlasujúci alebo agregujúci.

Faktory nákladov pre MoA (4-8×) a Debate (3-6×) pochádzajú zo základného researchu (stav 2026); faktor ~N× pre Self-Consistency vyplýva priamo z počtu nasamplovaných 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 ten s najvyššou latenciou, pretože kolá musia na sebe stavať.

Kedy Debate kvalitu skutočne zvyšuje

Multi-Agent Debate je quality-bound, nie latency-bound vzor. Research uvádza ako vhodné oblasti nasadenia výslovne:

• Vysoko citlivé reasoning úlohy, pri ktorých je kvalita dôležitejšia než náklady
• Tvorba právnych memoránd
• Vedecké písanie a regulačné podania
• Overovanie marketingových tvrdení (claims) z hľadiska správnosti a compliance

Spoločným menovateľom je: nesprávna odpoveď je drahá a úloha profituje z toho, že druhé stanovisko spochybní prvé. Vernosť faktom sa zlepšuje, pretože kritický agent dokáže označiť nepodložené tvrdenia skôr, než sa dostanú do finálnej odpovede.

Kedy sa toho zrieknuť: Pri rutinných vysokoobjemových workflow. Ak na jednu požiadavku pripadá trojnásobne až šesťnásobne viac tokenov a čas odozvy sa znásobí, pre štandardný support, jednoduchú klasifikáciu alebo masovú generáciu to nie je obhájiteľné.

Chybové režimy a ich protiopatrenia

Pre prax sú rozhodujúce tri zdokumentované riziká:

• Mode Collapse: Kritik reflexívne súhlasí namiesto toho, aby pomenoval skutočné slabé miesta. Debata degeneruje na drahú ozvenu.
• Echo-Chamber: Agenti si navzájom posilňujú nesprávnu premisu, napríklad z chybného lead-promptu. Protiopatrenie podľa researchu: diverzifikovať sub-agentov s rôznymi modelmi alebo promptami (štýl MoA) a zaviesť explicitnú rolu kritika.
• Reward Hacking / explózia nákladov: Ak je kritik zároveň trénovacím zdrojom, môže odmeňovať sám seba; a bez limitu na počet kôl tokenové náklady eskalujú.

Sprievodne platí všeobecný multi-agentový chybový režim Cascading-Failures: ak agent halucinuje fakt, moderátor ho môže prevziať do finálnej odpovede. Najúčinnejším protiopatrením podľa researchu je dedikovaný verifier-/judge-agent s ukotveným (grounded) retrievalom a povinnými citáciami.

Príklad nastavenia: overovanie tvrdenia s tromi agentmi

Konkrétne, realistické nastavenie pre agentúru, ktorá chce overiť faktickú udržateľnosť marketingového tvrdenia:

```
Otázka: "Je tvrdenie 'vedúce riešenie v DACH regióne' 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 na základe kritiky

Záver – Verifier/Moderátor (Model 3):

• overí každé tvrdenie voči retrievalu (povinná citácia)
• syntetizuje finálne, podložené hodnotenie
  ```

Výpočtový príklad na ilustráciu rádu veličín: Ak jeden agent spotrebuje na túto úlohu približne 4 000 tokenov, trojkolová debata s tromi agentmi sa plauzibilne pohybuje v rozsahu 3-6-násobku, teda zhruba 12 000 až 24 000 tokenov (stav 2026, odhad na základe faktora nákladov uvedeného v researchi). Pri jedinom, vysokokvalitnom tvrdení je to obhájiteľné; pri 10 000 tvrdeniach denne nie. Práve táto hranica – „oplatí sa zvýšené úsilie na jeden úkon?" – je vlastným architektonickým rozhodnutím.

Vzor je realizovateľný bez vlastného vývoja: LangGraph zobrazuje slučky Evaluator-Optimizer so stavovým State, AutoGen podporuje Group Chat s turn-takingom a oba sú pod licenciou MIT (stav 2026).

Pre agentúry a B2B

Pre marketingové agentúry a rozhodovacích činiteľov v DACH-B2B je odkaz pragmatický: Multi-Agent Debate nie je štandardná páka pre každý workflow, ale cielený nástroj pre vysokokvalitné, na chyby citlivé výstupy – overovanie tvrdení a compliance, fundované odborné texty, regulačné návrhy. Kto ho nasadzuje, mal by vedome zvážiť 3-6-násobnú spotrebu tokenov a vyššiu latenciu oproti riziku chyby a vždy pracovať s rôznorodými modelmi plus verifierom, aby sa vyhol Echo-Chamber a Mode Collapse. Blck Alpaca koncipuje takéto topológie agentov tak, aby hĺbka diskusie vznikala len tam, kde sa vyplatí – s jasnými nákladovými limitmi na jeden úkon a dohľadateľnými zdrojmi pre každé tvrdenie.