学会跳过：面向高效多Agent LLM工作流的反事实信用分配

arXiv:2609.30734v1 公告类型：新提交 摘要：多智能体 LLM 工作流通过规划、执行、验证与总结来提升任务表现，但每个组件的价值取决于已产生的状态。执行所有组件可能浪费计算资源，或覆盖掉正确的中间答案。我们将组件省略问题形式化为反事实信用分配：完整工作流日志揭示已执行轨迹的奖励，而受控的跳过干预则揭示省略未来步骤的后果。我们提出 Learning What to Skip（LW2S），它从这些干预中学习特定动作的安全模型，并结合留出校准与领域原生守卫来选择跳过。当早期跳过被拒绝时，控制器可以继续执行，并在后续组件上重新考虑。在数学推理、多项选择问答与代码生成任务上，基于两个指令模型家族的测试表明，LW2S 在降低记录的 token 成本的同时，在评估场景中达到或提升了聚合的全工作流准确率。规模化实验与第二种拓扑结构的实验进一步考察了组件冗余，而共享错误案例则揭示了为何仅靠一致性不足以进行跳过选择。这些发现将高效的工作流执行与学习单个组件的条件效用联系起来。