pAI-Econ-claude：带门控的人类在环多智能体架构用于AI辅助经济理论开发

arXiv 论文提出 pAI-Econ-claude 架构，这是一种带门控的人类在环多智能体系统，专门用于 AI 辅助经济理论开发。架构通过共享可检查中间记录协调智能体，专设门控诊断失败模式并推荐回环，人类在关键决策点保留最终权威。在 5 个经济理论任务中，盲审评估偏好该架构 4 次，平均失败严重度从 1.58 降至 1.16，有用性从 2.60 升至 3.10，最大收益来自现实检查和证明审查。负面案例显示过度压缩可能扭曲经济机制。结论是门控监督提升了可审计性，但未替代正式验证。

此前多智能体系统在缺少自动化正确性信号的社会科学任务中可靠性不足。该架构通过专门门控和人类检查点，在不依赖形式化验证的前提下显著降低了失败严重度并提高了有用性，为缺乏可计算评估的研究任务提供了可复用的可靠性设计模式。

系统通过共享工作空间使中间推理步骤可被检查和回放；每个门控负责诊断特定失败模式（如现实错误、逻辑矛盾），触发回环而不试图自行纠正；人类检查点保留对高逆回成本决策的绝对权威。这种分工避免了完全自动化验证的不可行性，同时通过结构化反馈循环提升输出质量。

对构建 AI 辅助研究工具的产品团队，该架构直接借鉴了如何设计可审计的多智能体流水线：在无法自动化验证的领域，通过可视中间记录、针对性门控和人类介入点来平衡效率与可靠性，降低输出错误带来的业务风险。

• 开发集成此架构的经济模型验证平台，允许研究人员在共享工作区中审查智能体推理过程并触发门控回环。
• 在社会科学问卷或政策分析 SaaS 中嵌入门控-人类检查流水线，自动识别常见逻辑错误并邀请专家复核。
• 为 AI 辅助写作工具（如论文草稿生成）添加类似的可审计中间步骤记录和人类关键节点评审功能。

• 该架构在其他缺乏正确性信号的社会科学领域（如社会学、政治学）中效果是否一致？
• 负面案例中“脚手架过度压缩经济机制”的具体触发条件是什么？如何预防？
• 人类检查点的成本（时间、人力）与收益（质量提升）之间的量化折中关系如何？