最新论文洞察
第 17 期

🔰 通俗解释：当前多智能体编排基准（如 SWE-bench、Multi-Agent Arena）主要报告任务准确率，却忽略了实际生产中更关键的问题：当一个 Agent 调用失败、一个子任务超时、一个工具返回异常时，编排系统能否自我诊断、恢复、并控制故障传播范围。

核心机制：
① **故障注入器**：在模板化企业工作流中可控注入各类故障（工具超时、权限丢失、输出格式错误等），种子可复现
② **级联半径（cascade radius）**：以"一次失败能影响多少个下游节点"来衡量系统性脆弱性
③ **恢复率指标**：按故障模式分类，统计各路由策略（随机重试 / 备选路径 / 人工介入）的实际恢复效果

关键发现：相同编排逻辑在不同模型（Sonnet / Opus / Haiku）下故障传播模式一致，但绝对恢复率差异显著；复杂工作流比简单任务更容易出现不可控的级联失败。

🔰 通俗解释：当前测试时扩展（Test-Time Scaling）有三种主流路径：①多采样投票（更准确但计算量大）②思维链扩展（深度推理但慢）③强评估器筛选（质量高但贵）。CoBa 的核心洞见是：这三种资源竞争关系被大多数实现忽略，统一均匀分配会导致简单题浪费算力、难题算力不足。

核心机制：
① **候选多样性生成**：先用廉价模型快速产出多个候选解
② **廉价证据评分**：用轻量级证据（如 perplexity、内部一致性）对候选排序
③ **计算平衡路由**：高置信度候选跳过强验证，低置信度候选才分配强模型进行深度验证

关键数据：CoBa-Routed-Strong 在固定推理预算下，相比均匀采样策略将复杂问题的解决率提升约 12–18%，同时整体 Token 消耗降低约 30%。

🔰 通俗解释：现有的多智能体安全基准主要关注"对抗攻击是否成功"，却忽略了一个更隐蔽的问题：当 supervisor 把子任务委托给 subagent 时，subagent 在执行过程中是否会在不知不觉中超出原始授权范围（例如，只授权读取某类文档，却最终删除了数据）。

核心机制：
① **600 个良性任务**：设计无恶意意图但包含明确保留操作（reserved actions）的场景
② **三层架构对比**：单 Agent / 中心化协调 / 去中心化peer-to-peer，分别测量授权保持率
③ **轨迹级评估**：逐操作追踪授权边界漂移，量化"漂移幅度 × 漂移频率"的复合风险指标

关键发现：层级越深、peer 宽度越大的架构，授权漂移越严重；去中心化架构虽然灵活性更高，但授权保持率显著低于中心化架构。

🔰 通俗解释：传统企业 RAG 的问题是：把结构化文档拍平成向量片段，靠余弦相似度找"最相关"的文本块，然后把片段塞给 LLM 生成答案。这对通用搜索还行，但对需要多步推理的企业复杂查询（如"这份合同条款与最新合规政策是否有冲突？"）效果很差。

核心机制：
① **search 工具**：在知识库中初筛候选文档
② **find 工具**：精确定位文档内相关段落
③ **open 工具**：读取完整文档上下文（跳过 chunk 截断）
④ **summarize 工具**：对多份证据进行交叉综合，输出带引用的答案

关键数据：在真实企业场景测试中，AgenticRAG 的答案正确率较传统 RAG 显著提升（具体数字因场景而异），尤其在对长文档多跳推理要求高的任务上优势明显。

🔰 通俗解释：企业知识往往存在于大量相互引用的文档中（法规、标准、内部手册），传统 RAG 只检索当前文档，忽略了跨文档的引用关系链。AKG 的做法是：让 LLM 作为一个"智能爬虫"，在文档间递归追踪引用（superseding logic、multi-hop references），自动构建知识图谱。

核心机制：
① **递归引用爬取器**：LLM 识别文档中的交叉引用，自动追踪到引用目标文档
② **图数据库存储**：将实体和关系存入结构化图存储，支持多跳查询
③ **基准验证**：在 Code of Federal Regulations（CFR）复杂法规查询基准上验证

关键数据：在 CFR 基准上，AKG 比传统向量 RAG 的准确率提升约 +70%，在多跳推理任务上差距更为显著。