MABPD：通过结构化论证辩论进行多智能体偏见探测与识别

MABPD 是一种无需监督训练的多智能体偏见探测与检测新方案。该方案由三个专用大型语言模型（LLM）智能体组成，通过结构化论证辩论（SAD）协议分析文本内容。在 BABE 基准测试中，该方案实现了 83.4% 的宏观 F1 分数。其核心机制包括实施领域驱动的不对称举证责任以及角色加权投票机制。消融实验表明，移除辩论模块会导致 F1 分数最高下降 10.6 分，证明结构化 deliberation 对性能提升至关重要。在 SemEval 2019 HyperPartisan 语料库上的零样本评估中，准确率为 75.0%，与监督最先进方法相比差距为 7.2 个百分点。作者已公开完整的处理管道及评估代码。