评测显示立法转XML时多智能体流程比模型本身更关键

一项arXiv论文（arXiv:2610.19999v1）报告了将美国州立法文档转换为严格schema约束XML的工业流水线，并在受控消融中比较三种harness（零样本、单工具智能体、分解式多智能体流程）与三个Claude模型，测试对象为两个辖区的153份gold bills。作者提出假设称，其准确性更多来自harness工程，即围绕模型构建的确定性工具，而非模型本身。 结果显示，完整多智能体流程中最弱模型的准确率为0.948，高于最强模型单独运行的0.806，配对bootstrap检验p<0.001。上述数字为论文报告的结果，基于论文摘要，未独立核验。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。