深度分析 分類策略檢索 (TS‑RAG) 有效抑制多回合說服中的語意洩漏與問題漂移 在多步驟開放式環境中，基礎模型代理常因早期錯誤累積而失效。研究提出將策略經由離散分類瓶頸的TS‑RAG，將論證結構與主題內容分離。傳統語意檢索因詞彙重疊導致語意洩漏，進一步加劇問題漂移。TS‑RAG 以結構相似性檢索抽象策略藍圖，有效阻止此類失敗。實驗顯示，輕量說服模型的勝率提升至78.5%，並加速達成共識。
