值得信赖的多代理系统：使用 Argent 信令协议减轻语义漂移

当多智能体 LLM 系统产生错误的答案时，并非所有失败都是相同的：一些答案基于正确的材料，但不完整，而其他答案则根本没有根据，应该停止。当前的重试策略对这两种情况的处理方式相同（再次尝试并希望得到最好的结果），使得人类监管者无法判断是否需要重试或系统是否应该停止。我们引入了 Argent 信令协议 (ASP)，这是一个紧凑的机器可读标头，它伴随着每个人工智能生成的响应以及结构化质量信号：确定性 (@C)、基础性 (@G)、随机性 (@S) 以及对每个主张的证据基础进行分类的假设索引。这些信号使控制器能够区分可修复故障和遏制故障，并对每种情况进行不同的路由。我们以两种模式评估 ASP。在独立模式下，基于 Array BioPharma/Ono 许可协议的 27 个问题、基于文档的 QA 基准将基线提示与三个本地 GGUF 模型中 ASP 检测的控制器操作进行比较。在 Qwen~(0.8B) 上，ASP 将通过率从 11.1% 提高到 33.3%，平均术语覆盖率从 36.7% 提高到 65.4%；在Dobby~(8B)上，ASP产生了4次未能通过的恢复，将通过率从33.3%提高到44.4%；在 SmolLM3~(3B) 上，ASP 在每个问题之间交替进行修复和收容。总体改进是有意义的（12/81 到 21/81 通过）。在多代理模式下，ASP sidecar 位于检索代理和下游决策代理之间； sidecar 阻止 100% 缺乏证据支持的的上游输出到达下游代理（24/27 被阻止，0 缺乏证据支持的传播）。