无需校正的检测：多级 LLM 管道的二参数分解

执行多智能体辩论、内在自我纠正或检索增强验证的多阶段 LLM 管道表现出令人费解的聚合行为：各轮准确率稳定和逆转、当代前沿模型辩论收益的不可复制、内在自我纠正退化以及辩论动态中的定性跨提供商分歧。下游代理响应可以作为两个耦合决策来操作：检测（是否将上游内容视为权威）和条件生成（如果不是，则生成什么）。这种分解产生了四种可观察的响应机制，其中不进行校正的检测是承载失效模式。在涵盖四个模型系列、四个基准（GSM8K、MATH-500、GPQA-Diamond、AIME）和两种方法（多智能体辩论、内在自我校正）的九单元经验网格中，我们发现条件误纠率始终占主导地位（各群组为 53-94%），而检测率随上下文变化超过一个数量级。该框架将上述四种现象统一为通用机制的特征，并将检测阈值描述为稳定的模型/协议级规律性，该规律性在匹配的基准难度下跨方法持续存在。