Agent 的可靠性源自何处？生产级企业 Agent 中验证循环、专家模型与架构支撑的跨基准分解研究

针对多步企业任务中单次推理缺乏检查点的问题，本研究分析了名为 Leni 的生产系统。该系统引入由轻量级专用模型构成的验证循环（执行、观察、比较、纠正）。在三个基准测试中，该系统显著优于基础模型。核心贡献在于分解了性能提升来源：主要归功于架构支撑、路由及专用模型，而非验证步骤本身（其独立贡献较小但关键）。研究还构建了实证混淆矩阵与复合可靠性模型，并发现验证者的专业性对循环价值至关重要。