Reconcile Once, Write Anytime: A Trust-Tiered Librarian and a Multi-Agent Writer for Drift-Free, Point-in-Time Research
作者: Xing Zhang, Yanwei Cui, Guanghui Wang, Peiyang He
分类: cs.MA, cs.CL
发布日期: 2026-08-13
💡 一句话要点
提出信任分层图书管理员与多智能体写作系统以解决研究报告漂移问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 长篇研究报告 信息漂移 信任分层 多智能体系统 知识库维护 自动化写作 证据基础报告
📋 核心要点
- 现有的长篇研究报告生成方法存在漂移和矛盾的问题，导致信息不一致和来源不明。
- 本文提出的双层智能体系统通过分离知识库和报告写作，利用信任分层本体来维护信息的准确性和一致性。
- 实验结果表明，该方法在消除矛盾和提高报告质量方面表现优异，且运行速度比传统方法快3.7倍。
📝 摘要（中文）
长篇研究报告在生成过程中常出现漂移、矛盾和失去来源的问题，导致同一指标出现不同值，且谣言与审计文件同样被自信引用。本文提出了一种双层智能体系统，将维护的时间点知识库与报告写作分离。一个确定性的“图书管理员”将带时间戳的来源信息纳入信任分层本体，形成一个始终最新的真实来源。一个可移植的多智能体“写作”运行时则在任意知识截止时间T下，基于证据撰写无矛盾、基于证据的报告。通过在自收集的公共语料库上进行评估，展示了该方法的有效性和优势。
🔬 方法详解
问题定义：本文旨在解决长篇研究报告生成中的信息漂移和矛盾问题，现有方法常常导致同一指标出现不同值，且缺乏可靠来源。
核心思路：提出一个双层智能体系统，将知识库与报告写作分离。通过信任分层本体，确保信息的准确性和一致性，避免信息漂移。
技术框架：系统包括两个主要模块：一个确定性的“图书管理员”负责维护时间戳来源和信任分层本体，另一个多智能体“写作”运行时根据知识截止时间撰写报告。
关键创新：最重要的创新在于信任分层的知识库设计，使得信息来源始终保持最新且无矛盾，避免了传统方法中的信息漂移和矛盾现象。
关键设计：系统设计中采用了时间戳来源、证据卡片、权威指标账本和声明图等结构，确保信息的准确性和可追溯性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，系统在消除6845个交叉矛盾方面表现出色，且在22个金标准案例中，信任分层选择的准确率为100%，而基于流行度的基线仅为40.9%。此外，系统运行速度比串行方法快3.7倍，显著提升了效率。
🎯 应用场景
该研究的潜在应用领域包括金融报告生成、法律文书撰写和学术研究等，能够有效提升报告的准确性和一致性，减少信息误导的风险。未来，该系统可能在自动化文档生成和智能决策支持中发挥重要作用。
📄 摘要（原文）
Long-form research reports generated by large language models drift, contradict themselves, and lose provenance: the same metric appears with different values, and rumor is quoted as confidently as an audited filing. We present a two-tier agentic system that separates a maintained, point-in-time knowledge library from report writing. A deterministic "librarian" ingests timestamped sources into a trust-tiered ontology, layering evidence cards, an authoritative metric ledger, and a claim graph into an always-current source of truth, not per-query RAG over raw chunks. A portable multi-agent "writer" runtime then composes a contradiction-free, evidence-grounded report at any knowledge cutoff T, reading only evidence with as_of <= T (no look-ahead); red-team verdicts flow back into the librarian. We evaluate on a self-collected, public corpus of 6,130 sources yielding 555,926 evidence cards (SEC EDGAR filings across 295 issuers and 11 sectors, U.S. Bureau of Labor Statistics releases, and Wikipedia). From the one library we compose four point-in-time reports on distinct theses and run eight reproducible experiments, whose headline metrics come from a deterministic quality-control gate, itself validated by defect-injection meta-evaluation at recall 1.0 and precision 1.0. A shared metric ledger removes 6,845 cross-section contradictions to zero. Tier-first selection is correct on 22/22 gold cases where a popularity-first baseline scores only 9/22; trust tiering leaks zero media-sourced numbers, and no government statistic displaces a company's own filing. A red-team refutation propagates back and self-corrects a later run with zero manual edits. Replay exhibits zero look-ahead violations across seven cutoffs while the library grows from 235,373 to 555,312 cards. Difficulty-tiered model routing exceeds the all-Opus quality ceiling while running 3.7x faster than serial.