面向不对称信息下的可解释均衡：基于验证的推理作为协调机制

LLM 代理在多智能体系统中越来越多地协调决策，常为行动附加自然语言推理。然而，推理既不免费，也不自动可靠：它会产生计算成本，且在没有验证的情况下可能退化为具有说服力的廉价话术。我们引入“可解释均衡”作为面向解释感知的多智能体系统的设计原则，研究了代理交换结构化推理制品——可审计的主张配以简洁文本——的情形，同时接收者在明确资源约束下通过概率审计进行有限验证。我们贡献了：(i) 一个最小机制级交换-审计模型，关联审计强度、虚报激励和推理成本；(ii) 来自基于金融概念的 LLM 环境的实证证据，涉及交易者和风险经理。在模糊、边缘提议中，可审计的制品防止了因保守验证导致的沉默成本：在没有结构化主张的情况下，批准率和福利会崩溃。相比之下，结构化推理实现了协调，同时在各种审计强度、审计预算和激励情境下保持持续的低错误批准率。我们的结果表明，LLM 基于的多智能体系统的可扩展、安全协调不仅取决于审计强度，更根本取决于将推理纪律化为部分可验证制品。