面向高风险自动化的校准多 Agent 决策系统

Proposer / Challenger / Judge: 自主 Agent 的信任底盘

单次 LLM 调用的局限很清楚: 起草决策与验证决策的是同一个模型。博士工作研究一种多 Agent 模式, Proposer 起草决策, Challenger 攻击它, Judge 提交裁定; 辩论记录做哈希后写到 LLM 之外, 审计链独立于模型内部。

该模式同时落到三套已交付系统——OC1 (Agent 安全)、OC2 (DeFi 辩论)、MVF-Composer (稳定币储备控制)——并写进了 IEEE ICBC 2026 的论文。工程与论文走一个反馈循环: 系统上线, 装观测, 暴露论文没预测到的失败模式, 再写下一篇。当前公开数据里 OC2 裁定准确率 90.2% [BCa 95% CI: 87.6, 92.8], MVF-Composer 把峰值脱锚从 7.4% 压到 3.2% (1,200 次 Black Thursday 模拟)。

主题: 多 Agent 系统、共识与信任、校准预测、区块链与去中心化系统安全。