多智能体 LLM 系统为何沟通失败：基于 3,211 条失败轨迹的分类分析

研究团队基于医疗问答、编程、金融、多跳推理、伦理和具身文本任务中的 3,211 条失败多轮轨迹，构建了多智能体 LLM 系统沟通失败分类体系。分析发现失败主要来自恢复/纠错与共识/决策问题，而非孤立的首轮错误，许多失败在智能体首次看到同伴回答后才出现。作者据此建议加强分歧处理、证据核验、少数信号保留和定稿前的恢复检查。