TriEx：一种基于游戏的三视图框架，用于解释多智能体 LLM 的内部推理

针对大型语言模型（LLM）智能体在交互式及部分可观测环境中的可解释性挑战，本文提出了 TriEx 框架。该框架通过三种对齐的视角增强序列决策的可解释性：绑定行动的第一人称自我推理、随时间更新的关于对手的第二人称信念状态，以及基于环境参考信号的第三人称预言机审计。在不完美信息战略游戏中，TriEx 将解释转化为可验证的证据锚定对象，揭示了智能体所言、所信与所做之间的系统性不匹配，强调了可解释性的交互依赖特性。