一人对N个智能体：置信度失准且相关的LLM智能体舰队审计预算分配

单个人类审核者必须在每轮 $B \ll N$ 的审计预算下审计 $N$ 个 LLM 智能体，其依据是可能被对抗性失准的自报告置信度以及相互关联的错误。我们将其建模为双层高斯 copula 上的带预算噪声检查，并定位失准阈值 $\delta^*$——超过该阈值后，按置信度排序的审计比随机审计还要糟糕。两个先验预期被逆转：$\delta^*$ 随预算缩小而上升，且跨家族相关性并不低——共同难度主导了谱系差异。五个开放权重 LLM 表现出运营上无用（近乎恒定）的置信度，其点估计位于或超过翻转点，尽管置信区间横跨该点；一个专有模型的置信度则具信息量，并落在阈值之下。我们给出判定空洞监督的定量准则，并在记录轨迹上重放各策略，证实了上述排序。