深度分析
EPC-AW：LLM 多代理系統的規劃認知校準工作流程與實驗結果
研究指出，LLM 多代理系統在規劃階段可能高估可行性，導致即便執行無誤仍無法完成任務。作者提出 EPC-AW 工作流程，透過跨代理的資訊一致性選計畫與一致性導向的認知精修，將不一致轉為持久約束以改善後續規劃，實驗顯示系統成功率平均提升約9.75%。
深度分析
研究指出，LLM 多代理系統在規劃階段可能高估可行性，導致即便執行無誤仍無法完成任務。作者提出 EPC-AW 工作流程，透過跨代理的資訊一致性選計畫與一致性導向的認知精修，將不一致轉為持久約束以改善後續規劃，實驗顯示系統成功率平均提升約9.75%。
深度分析
大型語言模型多代理系統的通訊拓撲存在被逆向推測的隱私風險。研究者提出通訊推斷攻擊（CIA），利用對抗性查詢與全域偏差剝除、LLM 輔助弱監督建模語意關聯。實驗顯示平均 AUC 0.87、最高 0.99，凸顯此攻擊的高效性與潛在影響。