Locally Coherent, Globally Incoherent: Bounding Compositional Incoherence in Multi-Component LLM Agents
多组件 LLM 智能体的局部一致与全局不一致性界定
🧭 多组件智能体组合一致性问题与修复 ★ 深度解读
Princeton University
提出组合残差 ε⋆ 量化多组件概率组合的不一致，并给出投影修复和时序监测方法，实证显示 33-94% 的测试团出现全局不一致。
📌 工作参考价值（4 点）
- 运行时一致性监控：将组合残差 ε⋆（L2 距离）作为多组件 Agent 输出的实时证书，当 ε⋆ > 阈值时触发告警或修复，避免下游策略基于不一致的概率决策。
- 几何投影修复取代 LLM 修复：在已知跨组件约束（如分区、否定）时，直接用 Boyle-Dykstra 投影将组合结果修复到联合一致多面体，成本低且确定性强，优于检索增强或提示工程（实验中检索、分区提示、聚合 LLM 均无效或退化）。
- 风险预测与阈值门控：利用 Rayleigh 商从组件协方差预估组合残差量级，可在部署前评估特定任务有多大概率出现不一致，并结合 log-payoff 后悔曲线设定 γ 门限，仅在高风险时执行修复，节约计算。
- 时序异常检测：e-process 构建的任意时间有效检验可用于长期运行 Agent 管道，连续监测组合残差流，一旦累积证据超过阈值即发出相干性告警，无需预设固定区间。