度量不可度量之物：LLM 智能体的马尔可夫链可靠性

大语言模型（LLM）智能体日益作为序列化软件系统运行，但其可靠性通常由标量基准指标来概括。诸如 pass$@k$、pass$^k$ 和可靠性衰减曲线（RDC）等指标是有用的概要，但它们无法识别所估计的成功时间分布、检验轨迹是否支持该分布，或量化有限轨迹的不确定性。我们提出 \textsc{TraceToChain}，这是一个可复现的流水线，可将智能体执行轨迹拟合至吸收型离散时间马尔可夫链（DTMC），$\hat M=(\hat Q,\hat R_\oplus,\hat R_\ominus)$，并提供显式的诊断与不确定性量化。该流水线构建自动聚类分类体系，使用拉普拉斯平滑的最大似然估计（MLE）估计转移概率，通过复合赤池信息准则（AIC）和 Kolmogorov--Smirnov（KS）拟合优度证书检验拟合质量，并报告 Dirichlet 后验可信区间和非参数自助法区间。我们将经典可靠性数学（Kemeny--Snell~\cite{kemenysnell}、Cheung~\cite{cheung1980}、Goel--Okumoto~\cite{goelokt}）适配于智能体轨迹。所得的首达视角调和了通常分开报告的指标：pass$@k$、pass$^k$ 和 RDC 均是同一成功时间分布的投影。在七个受控的 MAST 风格框架上，采用严格的 50/50 拟合/测试协议，留出的经验 RDC 与其解析对应物重叠，最大 $L_\infty^{\mathrm{RDC}} = 0.053$（中位数 $0.048$）。对首达累积分布函数（CDF）的双样本 KS 检验在 7/7 个框架上以 $p>0.05$ 接受了拟合链（最小 $p = 0.78$），且逐条目的 $95\%$ 后验区间与自助法区间在中位数处一致至 $\approx\!0.01$。