GraphEcho：图智能体中的结构冗余与证据来源

大语言模型智能体可以沿更多图路径行走，却没有获得更多独立证据。GraphEcho测试智能体是否把重复遇见当作额外佐证。基准保持证据内容不变，改变路径数量和证据来源，同时评估判断与主动探索。受控合成实验显示，判断变化依模型而异，但冗余支持路径会使所有受评冻结智能体的重复行走比例上升。来源感知后训练PAPT减少重访并提高合成任务准确率，却覆盖更少不同来源。在科学主张任务中，它仍减少重复，但准确率下降。这暴露了高效探索与有效证据利用之间的差距：智能体可以学会不再重复自己，却遗漏需要的信息。GraphEcho提供受控方法，同时评估图智能体得出什么结论，以及探索是否触及独立证据来源。