EARS：大规模多智能体系统中用于可靠子代理建模的解释性弃权机制

在大规模企业场景中，集中式多智能体系统依赖协调器将请求分发给专用子代理。然而，基于小型模型的子代理常因缺乏能力校准而对模糊或错误路由的请求产生幻觉。本文提出 EARS 框架，将子代理的“弃权”重构为一种智能体间通信协议：子代理不仅拒绝回答，还向协调器暴露可操作的失败状态及理由。通过利用校准后的 LLM 作为裁判构建数据集，微调子代理以检测失败条件并提供解释，从而支持协调器进行澄清、重路由或降级处理。实验表明，该方法显著提升了系统的整体响应通过率。