文章主要内容总结
本文聚焦于在AI系统需求工程中整合伦理考量的挑战，提出了一个名为MALEA（Multi-Agent LLM Ethics-Advocate Framework）的多智能体大型语言模型（LLM）框架，用于自动生成伦理需求草案。
研究背景指出，伦理需求的人工获取虽有效，但依赖多方利益相关者输入，受时间和资源限制，且在需求工程中优先级较低。MALEA框架通过四个LLM代理（需求工程师代理、伦理倡导者代理、质量保证代理、文档助手代理）的协作，基于系统描述生成伦理需求，并通过迭代 critique 优化需求质量。
通过两个案例研究（阿拉伯语虚假评论检测系统和沙特手语翻译应用）评估发现，MALEA能覆盖人类专家在30分钟访谈中识别的大部分伦理需求（平均召回率81.08%，高于单LLM的75.0%），还能生成额外相关需求，但存在可靠性问题（如输出不一致），需人类反馈补充。研究最终认为，该框架可促进伦理在需求工程中的广泛应用，推动更符合伦理的AI产品开发。
创新点
- 提出MALEA框架：首个将多智能体LLM用于伦理需求生成的框架，通过四个专业化代理（含伦理倡导者代理）的协作，实现伦理需求的自动生成与迭代优化。
- 实证评估贡献：基于两个真实AI应用场景，系统评估了框架对人类专家伦理需求的覆盖度（召回率）及新增价值，对比了单LLM基线，验证了多智能体协作在伦理需求获取中的优势。
