正确答案，错误状态：多智能体协作中的隐性信息失败

一篇 arXiv 论文指出，多智能体系统常以是否得出正确答案来评判，但可能遗漏一种失败：即使当前决策正确，协作过程也会留下被污染的信息状态，作者称之为 off-query failure。论文提出 OffQuery，在医疗与灾难响应两场景下分别评估证据验证（T1）、共享状态重建（T2）和任务解决（T3），并给出 ReGround 方法。

此前对多智能体协作的评估主要集中在最终答案是否正确，容易掩盖共享信息被污染却未被察觉的问题。该研究把评估拆成证据验证、状态重建和任务解决三层，并显示三者之间存在明显差距，说明仅看任务成功率不足以判断协作是否可靠。

论文将差距归因于选择性信息使用：当前查询往往绕过已损坏的事实，因此短期决策仍可正确，但当后续任务需要这些事实时，污染状态就会产生后果。ReGround 的机制是先解决冲突证据、验证共享事实、重建可信状态，再在该状态上推理，从而同时提升 T1、T2 和 T3。

对依赖多智能体或多轮协作的产品，评估指标需要从只看最终答案扩展到检查共享状态是否可信，否则上线后可能在后续任务中出现难以定位的错误。研发流程中需要加入证据验证与状态重建环节，可能增加调用步骤和成本，但可降低长期错误传播风险。

• 在多智能体产品评测中加入共享状态重建与证据验证指标，避免只用任务成功率验收。
• 把 ReGround 式的冲突证据处理与可信状态重建做成可复用的中间层模块。
• 面向医疗、灾难响应等高后果场景，提供可追溯的事实核验与状态审计功能。

• OffQuery 与 ReGround 的完整实现细节和可复现性尚未在证据中说明。
• T1、T2、T3 的具体评分标准与人工或自动判定方式未给出。
• ReGround 带来的额外推理成本与延迟未在证据中量化。
• 该结论是否适用于医疗、灾难响应之外的其他协作场景尚不明确。