arXiv 论文：证伪驱动的模型无关智能体协议，输出纪律决定决策下限

论文在中医辨证基准 TCMEval-SDT（200 个公开案例）上发现，两年模型缩放对零样本得分影响仅 -0.03 到 +0.08，输出纪律问题（推理不终止、格式不合规、方差大）在前沿模型中依然存在。作者提出模型无关的五阶段闭环框架，用候选×证据矩阵证伪协议约束：每个候选都要对照每条证据，至少一半候选被证伪才能得出结论。该协议在 DeepSeek-V4-Flash 上提升 0.267/0.271，把 Kimi K3 的运行间标准差从 0.218 降到 0.007，但对已有纪律的 Qwen3-4B/32B 造成 -0.087 到 -0.120 的损失。协议迁移到误信息数学推理时，以 89.8% 召回率、6.8% 误报率检出注入的假前提（MCC 0.54）。