深度分析 多代理大型語言模型計算浪費診斷：失敗感知可觀測性框架概述與實驗結果 隨著多代理大型語言模型在工具使用上日益複雜，研究提出失敗感知可觀測性框架，將常見失敗模式映射至線上指標，並在 GAIA 測試中揭示證據缺失、重複迴圈與工具錯誤等浪費計算的根本原因，顯示早期警示可降低代幣消耗並提升系統可診斷性，為未來AI服務成本管理提供新思路。
