GSAR：面向多智能体 LLM 的类型化 grounding 以检测幻觉并进行恢复

自主多智能体 LLM 系统日益用于调查运行事件并生成结构化诊断报告。其可信度取决于每个主张是否以观察到的证据为依据，而非模型内部推理。现有的 grounding 评估器（二元分类器、LLM 评判标量、自我纠正循环）将支持证据视为可互换的，并发出单一信号，为下游动作没有原则性的控制。我们提出GSAR，一种 grounding 评估与重规划框架，该框架 (i) 将主张划分为四类类型（grounded、ungrounded、contradicted、complementary），对非冗余备选视角给予一线地位；(ii) 分配基于证据类型的权重以反映 epistemic 强度；(iii) 计算带 asymmetric 矛盾惩罚的加权 grounding 分数；(iv) 将该分数耦合到三级决策函数（proceed、regenerate、replan）驱动受显式计算预算约束的外层循环。我们形式化了该算法，证明了六个结构性质，并在 FEVER 上评估了五个设计主张，底层使用黄金维基百科证据，由四个独立训练的 LLM 评判器（gpt-5.4、claude-sonnet-4-6、claude-opus-4-7、gemini-2.5-pro）完成。每个 ablation 在所有评判器上均按相同方向复现：bootstrap 95% 置信区间在 rho=0 效应排除 0；在 Opus 4.7 下的 no-complementary ablation 的 CI 为 [-96,-68]；在 n=1000 时，三个独立评判器收敛到 DeltaS(rho=0)=+0.058。包括与 Vectara HHEM-2.1-Open 的 head-to-head 比较。据我们了解，GSAR 是首个将证据类型化评分与分层恢复结合，同时在显式计算预算下实现的 grounding 框架。