AgentForesight：用 7B 审计员在线识别多智能体任务的关键错误
多智能体系统出错往往不是当场报错，而是错误前提被一路沿用；这项工作让一个 7B 模型在线审计每一步，在任务失败前定位关键错误步骤和责任人。
多智能体任务里，一个 Agent 给出错误前提，后面的 Agent 却可能照常执行下去。罗格斯大学、得州大学奥斯汀分校和普渡大学的研究团队提出 AgentForesight，用一个 7B 模型在任务运行过程中持续审计：每完成一步就读取当前执行记录，判断该继续还是报警，把原本事后才做的归因前移到错误扩散之前。
正文摘录
.jpg)  从事后归因到在线审计，在任务失败前识别关键错误 多智能体的失误，未必表现为当场报错。更麻烦的是，一个 Agent 给出错误前提，其他 Agent 却继续认真执行。来自罗格斯大学、得克萨斯大学奥斯汀分校和普渡大学的研究团队提出 AgentForesight，让一个 7B 模型在任务运行中持续审计。在 AFTraj-2K 测试集上，它对失败轨迹的关键错误步骤识别指标 Exact-F1 达到 66.44 ，比最强通用模型基线高 19.88 分，而对成功轨迹误报率仅为 2.37% 。 让一个 Agent 规划，一个 Agent 搜索，再让另一个 Agent 汇报，任务就一定更可靠吗？ 设想这样一个场景：用户想买一副 200 美元以内的降噪耳机，筛选 Agent 却把预算上限设成了 300 美元。接下来，比较参数、生成报告、给出推荐，每一步都可能有条不紊。可再漂亮的报告，也掩盖不了整条工作流已经偏离了用户要求。 后面的 Agent 未必做错了自己的子任务。它们只是把 前面那一步的错误 ，当成了继续工作的前提。 等推荐生成后，再追问「哪个 Agent、哪一步出了错」，当然有助于复盘。