代理評測／可觀測性
AFANet 以 6.5 萬可訓練參數診斷多代理故障，域內推論由 199 秒縮至 1.16 秒
AFANet 把代理對話轉成含時間及同代理連線的圖，再以兩層 GCN 判斷故障代理與錯誤類型。它在 AEGIS-Bench 勝過多款 LLM 基線，但跨資料集的代理—錯誤配對 F1 仍偏低。
多代理系統失敗後，常見做法是把完整軌跡交給另一個 LLM，要求它找出哪個代理犯了哪類錯誤。新研究提出 AFANet，主張這類診斷更接近結構化分類問題，未必需要昂貴的生成式推理。
AFANet 把每輪對話建成節點，加入相鄰輪次的雙向時間邊，以及同一代理不同發言間的長距離邊。節點特徵包含位置與偏差等統計訊號，也包含 all-MiniLM-L6-v2 產生的句子向量；兩層 GCN 完成訊息傳遞後，再把每個代理的節點作平均及最大池化，分別最佳化「代理是否故障」與「錯誤類型」兩項損失。
在作為域內資料的 AEGIS-Bench，AFANet 的代理層 micro-F1 為 74.16%、代理—錯誤配對 micro-F1 為 17.42%；後者高於論文測試的 Qwen、GPT-4.1、o3、Gemini 2.5 與 Claude Sonnet 4 基線。模型只有約 6.5 萬個可訓練參數，V100 上訓練需 1.1 小時，域內／域外推論分別為 1.16／0.37 秒；論文列出的 7B SFT 基線則需 6 小時訓練及 199／108 秒推論。
效率數字需審慎解讀：6.5 萬參數不包括凍結的句子編碼器，另有約 80.8 秒圖建構預處理。更重要的是，模型只以 AEGIS-Bench 訓練；移到 Who&When 後，代理層 micro-F1 降至 37.93%，配對 micro-F1 僅 6.90%，顯示錯誤分類仍難以跨資料分布泛化。消融結果亦顯示，移除 GNN 後域內差距不大、域外退化較明顯。下一步應觀察作者是否釋出完整實作，以及能否在自然發生、而非人工整理或注入的生產故障軌跡上重現速度與準確率。