DOVA：面向自主研究自动化的审议优先多Agent编排

大型语言模型（LLM）Agent在工具使用、推理和代码生成方面展现出卓越能力，但单Agent系统在面对需要多源综合、对抗性验证和个性化交付的复杂研究任务时存在根本局限。我们提出DOVA（Deep Orchestrated Versatile Agent），一个多Agent平台，引入三项关键创新：(1)审议优先编排，显式元推理先于工具调用，并由持久用户模型和实体感知的对话上下文提供信息；(2)混合协作推理，一个可组合的三阶段流水线，统一了集成多样性、黑板透明性和迭代精炼；(3)自适应多层思考，一个六级token预算分配方案，在简单任务上将推理成本降低40-60%，同时保留深度推理能力。我们形式化核心算法，展示跨七个系统配置的架构消融研究，并分析各组件对答案置信度、来源覆盖率和token效率的贡献。