AgentAsk: Multi-Agent Systems Need to Ask

Overview

AgentAsk 由 USTC、上海 AI Lab、西安交大、NUS 等機構研究團隊於 2025 年 10 月發表（arXiv: 2510.07593），提出一種輕量級澄清模組（clarification module），專門用於解決多智慧體系統中跨 Agent 訊息傳遞時的**錯誤級聯（error cascading）**問題。

核心觀察：多智慧體系統經常無法穩定超越強大的單智慧體基線，原因在於 Agent 間訊息交接時產生的微小不一致會沿著鏈路累積，最終導致系統級失敗。^[raw/papers/agent-ask.md]

Core Contributions

Edge-Level Error Taxonomy

AgentAsk 系統性地識別了四種主要的邊緣層級錯誤（edge-level errors）：

錯誤類型	說明
Data Gap	必要的資料在跨 Agent 傳遞時缺失
Signal Corruption	訊息在傳遞過程中被扭曲或誤解
Referential Drift	引用目標在多次傳遞後偏離原始含義
Capability Gap	接收 Agent 的能力無法正確處理該訊息

^[raw/papers/agent-ask.md]

澄清模組設計

AgentAsk 作為即插即用（plug-and-play）模組，可策略性地在系統關鍵點插入最小化澄清（minimal clarifications），以少量額外成本換取準確度提升。模組特點：

• 架構無關（Architecture-agnostic）：可輕鬆整合到現有系統
• 成本-效益權衡訓練：學習在澄清成本、延遲和準確度之間取得平衡
• 邊緣干預（Edge-level intervention）：在每個 Agent 間訊息傳遞點預防錯誤累積

^[raw/papers/agent-ask.md]

Architecture / Approach

Agent A → [AgentAsk 澄清模組] → Agent B → [AgentAsk 澄清模組] → Agent C
           ↓                                      ↓
        識別關鍵點                             識別關鍵點
        插入澄清                              插入澄清

AgentAsk 的創新在於將每個跨 Agent 訊息視為潛在的失敗點，主動干預而非被動反應。^[raw/papers/agent-ask.md]

Key Results

指標	結果
準確度提升	最高 +4.69%
額外延遲	<10%
額外成本	<10%

在五個基準上的綜合評估顯示 AgentAsk 能以最小的 overhead 換取顯著準確度提升，驗證了邊緣層級干預的有效性。^[raw/papers/agent-ask.md]

Relationship to Agent ASK

本文確定了 lint 中記錄的 agent-ask 實體頁面所指論文即為 AgentAsk。Index 中的條目與本文內容一致。

^[raw/papers/agent-ask.md]

Limitations

1. 基準覆蓋：主要在受控基準上評估，真實世界部署的穩健性有待驗證
2. 澄清訓練依賴：模組需要針對特定任務分布進行訓練，遷移到完全新領域可能需要額外適應
3. 複雜任務瓶頸：對於高度相互依賴的任務，頻繁的澄清請求可能反而成為效能瓶頸
4. 多人Agent擴展：當 Agent 數量增加時，澄清請求的組合數量可能，指數增加

^[raw/papers/agent-ask.md]

Related Entities & Concepts

• multi-agent-systems — 多 Agent 系統的核心概念
• llm-multi-agent-challenges — 多 Agent 系統的挑戰與開放問題
• multi-agent-collaboration-survey — 協作機制的五維度分類框架
• malt — MALT 的生成-驗證-精煉管道（另一種錯誤修正途徑）
• evolving-orchestration-multi-agent — 動態編排與 Agent 角色演化
• memos — 記憶架構，與 AgentAsk 的訊息澄清機制互補