论文
经分类学策略检索诊断与缓解智能体说服中的复合失败
Diagnosing and Mitigating Compounding Failures in Agentic Persuasion via Taxonomic Strategy Retrieval
摘要
多步开放式环境中的基础模型智能体常遭受复合错误——早期错误污染长程轨迹。虽然多智能体辩论（MAD）在确定性领域成功——主观任务（如说服）中的智能体经历严重的主题漂移与谄媚从众。我们把标准检索增强生成（RAG）中的语义泄漏识别为这些失败的可复现触发器——标准RAG优先词汇重叠而非逻辑必要性。为消除该泄漏——我们引入分类学策略RAG（TS-RAG）——系统干预：经离散类别瓶颈路由策略——把论证结构从主题内容解耦。零样本跨域评估表明TS-RAG在标准语义检索失效之处显著改进抽象逻辑的迁移。关键的是——TS-RAG在非对称部署中充当“能力桥”：让轻量说服者持续击败参数量更大的对手（胜率从70.5提升到78.5）——并加速论证效率。最后——我们引入经逐轮辩论状态表示（DSR）的踪迹级诊断——证明严格约束对防止经默认智能体谄媚导致的评估坍塌是必要的。
