精选理由
多组件LLM系统的组合一致性是实际部署中的关键问题，做智能体架构或概率推理的开发者会直接受益——本文提供了可计算的诊断方法和理论边界，值得关注其修复方案。
多组件LLM智能体由多个子组件组成，每个子组件只看到联合问题的一部分，即使每个组件局部一致，组合后也可能违反基本概率公理。本文通过组合残差ε*形式化这种“局部一致、全局不一致”的失败，该残差可在运行时从系统输出和声明的跨组件耦合约束计算。研究在4个LLM的1876个集成团上发现，33-94%的团存在ε*>0，导致每赌注+0.115 nats的遗憾。三种直观的LLM侧缓解方法（检索、分区感知提示、聚合LLM）均失败或退化。
AI 翻译 · 中文
多组件LLM智能体由多个子组件组成，每个子组件只看到联合问题的一部分，即使每个组件局部一致，组合后也可能违反基本概率公理。本文通过组合残差ε*形式化这种“局部一致、全局不一致”的失败，该残差可在运行时从系统输出和声明的跨组件耦合约束计算。研究在4个LLM的1876个集成团上发现，33-94%的团存在ε*>0，导致每赌注+0.115 nats的遗憾。三种直观的LLM侧缓解方法（检索、分区感知提示、聚合LLM）均失败或退化。
Multi-component LLM agents assemble probabilistic claims from components that each see only part of a joint problem; the composition can violate basic probability axioms even when every component is locally coherent. We …