同模型雙代理在失敗任務中有 90%共同失手，獨立性假設高估備援可靠度

多代理系統常把各元件的成功率相乘，估算整條工作流的可靠度；這個算法其實預設代理在給定任務條件後彼此獨立。新研究 Agent Behavioral Contracts II 直接檢驗這項假設：在由確定性程式評分、毋須 LLM 裁判的 18,000 次預註冊任務中，兩個使用同一模型的代理，在「至少一方失敗」的任務裡有 90.0%共同失敗，phi 相關係數達 0.916。換句話說，複製同一模型並不等於取得兩份獨立備援。

作者逐一替換模型後，六組比較的失敗關聯都下降；但在模型已不同的前提下，再改用不同供應商並未帶來顯著改善。這表示工程上更值得追蹤的是錯誤機制與模型多樣性，而不能只看 API 是否來自不同公司。正向依賴會令實際聯合失敗率高於獨立乘積，因此「兩個代理互相覆核」的安全收益可能被系統性高估。

研究提出不指定依賴結構的有限樣本證書：先以 Bonferroni–Clopper–Pearson 區間包住共同執行時量得的矩，再用線性規劃在所有相容聯合分布中尋找最差可靠度。矩條件由 10 個增至 14 個後，識別區間縮窄 85.7%，可認證下限由 0.2455升至 0.4116；可選擇停止版本的型一錯誤率為 0.0471。程式、分析腳本與預註冊文件已公開，但這仍是單篇預印本，且雙代理交接未必代表大型異質代理圖。部署團隊接下來應保存逐任務共同失敗資料，避免只彙報各代理的邊際成功率。