多智能体更可靠？多智能体 LLM 在运行剖面不确定性下的系统级可靠性

研究提出将单 LLM 分层不精确概率评估框架 HIP-LLM 与系统失效逻辑的贝叶斯网络结合，用智能体失效概率区间传播得到可靠性包络。在受管制化学危害语句抽取流水线中，三个模型多数投票能防住最弱模型，但未明显超过最佳模型；若投票器在 5% 的需求上失效，其对中间模型的优势将基本消失。更多智能体带来的是更可辩护的可靠性主张，而非自动更可靠的系统。