论文
执行正确而规划依然失败：论基于LLM的多智能体系统的认知校准
When Planning Fails Despite Correct Execution: On Epistemic Calibration for LLM-Based Multi-Agent Systems
摘要
即使规划中的动作被正确执行，基于LLM的多智能体系统仍可能失败，原因在于智能体在评估规划可行性时可能误判自身的知识，我们将这一现象称为规划中的认知失准（epistemic miscalibration）。与执行错误不同，认知失准在规划阶段是潜伏的，因为生成的规划可以保持自洽且可执行而无任何可观测错误；这种失准还是动态的，因为新信息可能改变可行性评估，从而掩盖过去的失准信号并使其随时间反复出现。为解决这一问题，我们提出认知规划校准智能体工作流（EPC-AW），它评估规划在不同信息条件下是否仍然得到支持，而不是直接验证可行性。EPC-AW采用基于信息一致性的规划选择（Information-consistency-based Plan Selection），挑选在各智能体间评估稳定的规划，并结合一致性引导的认知状态精化（Consistency-guided Epistemic State Refinement），利用过去的分歧来指导未来规划，从而随时间调整校准。实验表明，EPC-AW将系统级成功率平均提升9.75%。
