arXiv · cs.AI· Fabrizio Marozzo, Pietro Li\`o·· 1 天前
LLM-as-an-Investigator：证据优先的智能体推理方法，用于稳健的交互式问题诊断
LLM-as-an-Investigator: Evidence-First Agentic Reasoning for Robust Interactive Problem Diagnosis
arXiv:2606.13220v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Fabrizio Marozzo, Pietro Li\`o
研究任务与主要进展
论文提出 LLM-as-an-Investigator，一种证据优先的交互式问题诊断方法，并通过 Solution Investigator Agent（SIA）实现，用共享调查状态协调诊断推理、假设调查与反事实调查三种行为，以引用对话证据和独立验证步骤减少过早锁定错误假设。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org