AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答这个问题。资料1是一篇关于推理轨迹（reasoning traces）与证据遵循度关系的论文摘要，讨论的是单模型在回答时保留推理轨迹对准确率和证据遵循度的影响，并未涉及多智能体系统的 trace 格式设计，也没有给出任何可回放 trace 应记录的最小字段清单。资料1中能确认的相关信息仅有：

推理轨迹在回答中扮演两种角色：可提高准确率，也可能在与证据不一致时与证据相竞争1。
该研究通过将验证过的证据版本与各版本生成的轨迹交叉，并在“延续模型自身思考”与“单独答案调用”两种配置下作答来区分这两种角色1。
在 gpt-oss、Gemma4、Qwen3 三个模型家族、HotpotQA 与 MuSiQue 数据集上，单独的答案调用相比延续将证据遵循度提高 29.9 至 60.6 个百分点1。
在相同配对上，移除轨迹在两种配置下都会使准确率下降相似幅度1。

这些结论只能说明“轨迹与证据需分开记录、可交叉比对”这一设计取向有实证支持1，但无法据此推导出多智能体 trace 的具体字段规范（如 agent id、消息时序、工具调用参数、父子 span 关系等）。建议补充多智能体可观测性、OpenTelemetry GenAI 语义约定或 agent trace 规范方面的资料后再作答。

继续追问

多智能体系统的 trace 与单模型推理轨迹在记录粒度上有什么本质差异？OpenTelemetry 的 GenAI 语义约定目前定义了哪些 span 属性，能否直接用于多智能体 trace？如何设计 trace 回放机制来复现多智能体间的消息传递与工具调用时序？

参考来源

1 条

1站内When Reasoning Traces Conflict with Evidence: How Answer Configuration Shapes Evidence FollowingarXiv:2610.20805v1 公告类型：新摘要：在回答时保留的推理轨迹扮演两种角色：它可以提高准确率，也可以在两者不一致时与当前证据相竞争。我们通过将经过验证的证据版本与由每个版本生成的轨迹进行交叉，并在两种配置下基于相同的轨迹和证据作答来厘清这两种角色：延续模型自身的思考，以及单独的答案调用。在三个模型家族（gpt-oss、Gemma4、Qwen3）上，于 HotpotQA 和 MuSiQue 数据集，单独的答案调用相比延续将证据遵循度提高了 29.9 至 60.6 个百分点。在相同的配对上，移除轨迹在两种配置下都会使准确率下降相似的幅度。然arXiv cs.AIhttps://arxiv.org/abs/2610.20805

AI 答案正在检索与综合…

站内相关条目

1 条 · 点击可看原文全文与中文译文

返回信息流

其他

When Reasoning Traces Conflict with Evidence: How Answer Configuration Shapes Evidence Following

其他·arXiv cs.AI·4 天前