诊断资源受限视觉智能体中共享状态协作的失败模式

模块化视觉推理系统日益依赖共享工作记忆进行多步协作，但低能力区间内中间状态演化的失败动态仍研究不足。我们以噪声累积为视角，研究弱学习者（4B--8B模型）协作推理的失败模式。我们提出CoSee，一个审计框架，将读-写-验证循环形式化，以追踪文档视觉问答中的信息流。在多页文档、图表与网页基准上，我们发现一种反直觉的退化：朴素的共享工作区往往放大幻觉而非消除幻觉。我们识别出两种主导失败模式：噪声强化（无依据的笔记被当作证据复用）与策略坍缩（新增上下文使模型转向欠明确的简短作答）。借助成本-准确率帕累托前沿，我们表明在缺乏显式验证时，增加计算可能与性能负相关。我们的发现表明，对资源受限的智能体而言，瓶颈不在推理深度而在通信保真度，这为可靠的模块化设计提供了轨迹级诊断与机制性基线。