多Agent级联中的语域转换会压缩语义差异

多Agent系统常把复杂任务拆成专门角色，但中间Agent在不同语言语域间转换文本时，可能压缩下游准确判断所需的语义差异。论文将此称为语域转换中的语义压缩，并用收集器—评估器—决策器三个Agent的流程，在句子嵌入空间中测量标签间分离度。在政治事实核查LIAR、情感分析SST-5和医疗分诊Triagegeist上，批判性评价会降低评估器阶段的标签可分性，原样传递则几乎完全保留。五种受控变体显示，几何变化取决于具体中间转换，而不是额外增加级联环节本身。强调可信度的变体扩大标签间分离，同时使输出偏向“基本为真”，说明转换的评价倾向会改变几何变化方向，而不只影响压缩幅度。三个领域的压缩强度分别为10.3%、28.2%和9.1%。20级提示梯度呈现非单调曲线：平衡评价产生最强压缩，极端批判提示反而产生不规则的中度压缩。这一可测现象对高风险场景的多Agent安全评估具有意义。