MAVEN：通过多智能体验证-细化网络实现可审计的显式推理

MAVEN提出了一种基于黑板架构的多智能体验证框架，通过Skeptic-Researcher-Judge对抗循环将LLM转化为可审计的审慎推理器，在多个基准测试中超越Gemini 3.1 Pro和ReConcile等基线。其核心目标是解决LLM推理过程中的可审计性问题，实现透明、可验证的显式推理。

大型语言模型在复杂推理任务上表现出色，但传统链式思维（Chain-of-Thought）方法存在错误级联问题——早期步骤错误会逐级传递导致结论偏离。高风险场景（如医疗、法律、金融）要求推理过程可验证、可审计，但现有单体式架构缺乏模块化中间验证机制，推理轨迹隐式黑箱，难以细粒度审计，削弱用户信任。构建自我纠错、过程透明的推理框架成为关键挑战。

MAVEN从黑板架构汲取灵感，将推理解构为专业化智能体协作网络，核心是Skeptic-Researcher-Judge对抗循环：

• Skeptic：扮演魔鬼代言人，寻找推理漏洞、假设缺陷和逻辑跳跃；
• Researcher：构建论证、回应质疑、提供证据支持；
• Judge：中立仲裁，评估推理可信度，决定推进、回溯或终止。 智能体通过共享黑板动态交互，实现'In-Step Epistemic Auditing'（逐步认识论审计），边推理边审计，及时捕获错误。

MAVEN在四个基准测试中评估：OpenBookQA（科学常识）、TruthfulQA（抗错误信息）、HALUEVAL（幻觉检测）、StrategyQA（多步策略推理）。结果显示其在细粒度指标上超越强基线（Gemini 3.1 Pro、ReConcile），优势在于显式结构化、模块化、可验证的推理轨迹。此外，MAVEN具有模型无关性，可迁移到多种LLM架构并带来显著性能提升。

MAVEN带来三点启示：

1. 从隐式到显式：要求模型展示推理过程，而非仅学会正确推理，对高风险应用至关重要；
2. 多智能体协作价值：显式角色分配让每个智能体专注特定功能，整体性能超越单体模型；
3. 实时审计必要性：事后审计无法阻止错误传播，逐步审计将质量控制嵌入推理流程。

MAVEN代表LLM推理架构的重要演进——从规模追求到可审计性，从黑箱推理到透明审议。在高风险决策场景中，'为什么这样推理'比'结果是什么'更重要。MAVEN通过多智能体对抗循环和逐步审计，为构建可信AI推理系统提供可行路径，将在关键领域AI部署中发挥越来越重要的作用。