依状态路由，从轨迹恢复：面向多智能体时空推理的故障感知马尔可夫路由 STAR

组合式时空推理常需调用多个异构专家智能体。现有系统通常将路由决策隐含于语言生成中，导致故障恢复随意且难优化。本文提出 STAR，一种故障感知路由框架，将智能体间控制外化为基于当前智能体、任务类型及执行状态的状态条件转移策略。其核心是结合专家指定名义路由与从执行轨迹学习的恢复转移的路由矩阵，能针对不同故障类型（如输出畸形、依赖缺失）做出差异化响应。实验表明，保留失败轨迹训练能显著增强策略在错误状态下的恢复能力，在多个基准测试中优于现有基线。