討論から熟議へ: 型付き認識論的行為による構造化された集合的推論

要旨: マルチエージェントLLMシステムは複雑な推論へと取り組むようになっているが、その相互作用パターンは投票、非構造化ディベート、またはパイプラインオーケストレーションに限定されている。現状、熟議をモデル化したものはなく、差別化された参加者が型付きの推論手を交換し、意見の不一致を保持し、責任ある成果へと収束する段階的なプロセスを指す。私たちは Deliberative Collective Intelligence (DCI) を導入し、4つの推論アーキタイプ、14の型付き認識論的行為、共有ワークスペース、および終了を保証する収束フローアルゴリズム DCICF を定義する。これにより、選択されたオプション、残存する異議、少数派報告、再開条件を含む構造化された意思決定パケットを保証的に終結させる。7つの領域にまたがる45タスクで Gemini 2.5 Flash を用いて評価した。非定型タスク（n=40）では、DCIは非構造化ディベートに対して有意に改善し (+0.95、95%CI [+0.41, +1.54])。閲覧型統合を要する隠れプロファイルタスクで9.56を記録して、どのドメインのどのシステムよりも高く、全体のタスク依存性を示す一方、定型的な意思決定では（5.39）低い。DCIは100%の構造化された意思決定パケットと98%の少数派報告を生成し、これらは全てのベースラインには存在しないアーティファクトである。しかし、DCIは単一エージェントのトークンを約62倍消費し、全体的な品質では単一エージェント生成がDCIを上回る。DCI の貢献は「より多くのエージェントが良い」ということではなく、プロセスの説明責任がコストを正当化する場合に熟議的な構造が重要な意思決定の利益になる、という点である。