结构先于智能：为 agentic 科学工作流把关发布

该 arXiv paper 提出一种围绕 agentic 科学工作流 DAG 的「发布控制」框架：由 harness 决定哪些输出可被使用，强制检查、将故障限制在受影响分支、按受跟踪版本重算、加入验证器，并仅在风险模型判定结果无效概率足够低时发布。语言模型 agent 只能在其中选择纠错动作和审查发布，无法覆盖 harness。在 60 个注入故障的配对实例上，containment 与 recovery 提高了正确结果数量；固定规则不验证会放出 37 个无效结果，逐项验证则零放出；风险估计在略低产出下减少 31% 验证器。

此前对 agentic 工作流的关注多集中在让 agent 更聪明，而该研究把「结果可信」重新定义为发布决策问题。实验显示语言模型未带来可测量的收益，是否放出无效结果取决于 harness 而非模型，这提示信任控制结构可能比模型能力更关键。

机制是把工作流视为 DAG，并在图外层加一个不可被 agent 覆盖的发布门。门内执行强制检查、故障隔离、版本化重算和验证器，风险模型估计每个输出的无效概率，低于阈值才放行。不同组件各司其职：containment 与 recovery 提升正确数量，validation 提供安全性，risk estimation 提供效率。

对做 AI 科研或数据分析产品的团队，这指向将 agent 置于显式发布控制结构内，而非直接信任其输出。研发上需投入 DAG 级血缘追踪、分支隔离、重算和验证器调度，成本会上升，但可减少无效结果外泄；风险估计能以更少验证器维持同等安全，影响验证预算分配。

• 为 agentic 数据分析平台加入 DAG 级发布门，把输出分为可发布与需复核两类。
• 实现基于风险评分的验证器调度，在保持零无效放出的前提下减少验证调用成本。
• 提供故障注入测试套件，用于评估工作流在 stale 输入和上游缺陷下的隔离能力。
• 将血缘追踪与版本化重算做成可配置组件，供不同科学工作流复用。

• 风险估计的更好目标选择是否能优于随机验证，论文未展示。
• lineage evidence 只在一个工作流上有效，其适用边界尚不明确。
• 语言模型在更强能力下是否仍无收益，尚未验证。
• 该方法在 60 个配对实例之外的真实科学工作流中能否泛化，尚待确认。