校准LLM智能体的准则修订：失败模式与一种轨迹锚定协议

语言模型智能体能够在失败后改进，或者跨情节携带文本，却不修订什么算成功。我们研究其中更窄的归因问题——准则修订：当准则K0接受了一个违背更广泛承诺B的结果时，什么样的观察能够证明系统形成并持续使用了K1？我们要求五个不可补偿的条件：准则失败检测、由模型发出的提议、在新情节中的迁移、对所称载体的干预敏感性，以及保持性。我们在十二个跨领域案例和四种实验臂上评估CMB-0.1：无状态推理、仅追加历史、由模型生成但由测试框架提交的状态，以及评估者撰写的oracle状态。七个机制夹具产生84次确定性评分器试验；四个本地量化模型产生96次调用和192次模型-案例-实验臂试验。没有任何模型试验满足全部五个条件，但这一零结果并不能确立普遍能力的缺失：十一次调用在重试一次后仍然无效；若干承诺泄露了目标区分；提交动作由测试框架执行；删除复用无状态调用；而冲突则同时改变多个因素。Qwen2.5-7B在没有修订状态的情况下回答了所有迁移与保持性条目，暴露出零状态重建。这些失败使CMB-0.1成为一项仪器校准结果而非模型排名。我们由此推导出一个前瞻性的、以轨迹为锚的CMB-0.4协议，要求隐蔽迁移、显式的WRITE/NO-WRITE/ESCALATE动作、单独记录的由策略选择的提交、匹配的干预、重复的隐藏条目以及冻结的可执行oracle。它是后继设计，而非已完成的确认性结果。本文的贡献是一条测量链、对其首次实现的实证诊断，以及一个更有鉴别力的、面向未来准则修订测试的协议。