ReflectiChain：面向供应链韧性的 LLM 驱动世界模型中的认识论基础

针对供应链中 AI 代理存在的认知差距，即大语言模型缺乏物理基础而强化学习忽视语义约束的问题，本文提出 ReflectiChain。该方法构建了生成式供应链世界模型，将异构网络编码为具有物理守恒特性的六维图潜在空间，并采用双重循环学习机制分离认知不确定性与偶然不确定性。实验表明，该方法显著提升了理由一致性评分，在对抗性冲击下保持了高操作性，并展现出反脆弱行为，有效增强了复杂动态环境下的推理与决策能力。