AgentDiff：意义重写引发比 LLM 代理中的表示变化更深的分歧

LLM 代理应该响应输入的含义，而不是其呈现方式。我们表明他们并没有平等地对待这两种变异。 AgentDiff 衡量由意义重写（释义和同义词替换）引起的答案更改和表示更改（重新排序、格式设置和干扰项）之间的差异，同时匹配扰动严重性。在 68 个模型-基准-支架单元中，涵盖来自七个架构系列的 10 个 LLM、三个基准、1{,}530 个原始问题和大约 11{,}150 个变体，有意义的重写会产生 $+19.69$ 个百分点的较高不一致率（配对 $t=9.58$，$p<0.0001$；64/68 个单元）积极）。结果在四个严重程度代理下保持稳定（$+18.9$ 至 $+20.9$~pp，所有 $p<0.0001$），并且在 qwen 家族之外的 48 个细胞上保持 $+11.10$~pp。然后，完全保留的 qwen2.5-14B-Instruct 评估在 1{,}800 个新轨迹上测试此效应的结构：预先注册的有能力和可处理的分区在 3/4 保留的单元格中为正，并且在池化后保持急剧分离（Welch $t=3.81$, $p=9.6\!\times\!10^{-4}$）。迹线分析解释了差异如何传播。意义重写保留了第一个动作，但从步骤 2 开始减少了思想相似性 $5.6$--$10.5$ 点，并将生成的级联扩展了 $0.17$ 步（配对 $t=7.69$，$p=2.5\!\times\!10^{-14}$），我们将这种模式称为 \emph{隐形分歧}。因此，AgentDiff 建立了可重现的方向稳健性差距，识别最可靠的状态，并将最终答案的不一致与不同的轨迹级签名联系起来。代码、扰动、轨迹和分析脚本已发布以供审核：https://anonymous.4open.science/r/agentdiff-emnlp-0BB4/