Buchumschlag

When Planning Fails Despite Correct Execution: On Epistemic Calibration for LLM-Based Multi-Agent Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Zehao, Jin, Shilong, Cao, Zhao, Wang, Lanjun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reasoning-targeted Jailbreak Attacks on Large Reasoning Models via Semantic Triggers and Psychological Framing
von: Wang, Zehao, et al.
Veröffentlicht: (2026)

Why Reasoning Fails to Plan: A Planning-Centric Analysis of Long-Horizon Decision Making in LLM Agents
von: Wang, Zehong, et al.
Veröffentlicht: (2026)

When Refusals Fail: Unstable Safety Mechanisms in Long-Context LLM Agents
von: Hadeliya, Tsimur, et al.
Veröffentlicht: (2025)

Gradient-Based Model Fingerprinting for LLM Similarity Detection and Family Classification
von: Wu, Zehao, et al.
Veröffentlicht: (2025)

Multi-Scenario Combination Based on Multi-Agent Reinforcement Learning to Optimize the Advertising Recommendation System
von: Zhao, Yang, et al.
Veröffentlicht: (2024)

When Softmax Fails at the Top: Extreme Value Corrections for InfoNCE
von: Erol, Melihcan, et al.
Veröffentlicht: (2026)

SE-GA: Memory-Augmented Self-Evolution for GUI Agents
von: Jin, Shilong, et al.
Veröffentlicht: (2026)

When Correct Beliefs Collapse: Epistemic Resilience of LLMs under Clinical Pressure
von: Xiao, Boyu, et al.
Veröffentlicht: (2026)

MemFail: Stress-Testing Failure Modes of LLM Memory Systems
von: Garg, Ishir, et al.
Veröffentlicht: (2026)

When Does Multi-Agent RL Improve LLM Workflows? Workflow, Scale, and Policy-Sharing Tradeoffs
von: Zeng, Yifan, et al.
Veröffentlicht: (2026)

When LLM Reward Design Fails: Diagnostic-Driven Refinement for Sparse Structured RL
von: Wang, Youting, et al.
Veröffentlicht: (2026)

PIVOT: Bridging Planning and Execution in LLM Agents via Trajectory Refinement
von: Zhang, Tuo, et al.
Veröffentlicht: (2026)

Frequency Matters: When Time Series Foundation Models Fail Under Spectral Shift
von: Wang, Tianze, et al.
Veröffentlicht: (2025)

Agentic Unlearning: When LLM Agent Meets Machine Unlearning
von: Wang, Bin, et al.
Veröffentlicht: (2026)

Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity
von: Yang, Yingxuan, et al.
Veröffentlicht: (2026)

When LLM Judge Scores Look Good but Best-of-N Decisions Fail
von: Landesberg, Eddie
Veröffentlicht: (2026)

On the Importance of Task Complexity in Evaluating LLM-Based Multi-Agent Systems
von: Tang, Bohan, et al.
Veröffentlicht: (2025)

NK-GAD: Neighbor Knowledge-Enhanced Unsupervised Graph Anomaly Detection
von: Wang, Zehao, et al.
Veröffentlicht: (2026)

Active Learning for Communication Structure Optimization in LLM-Based Multi-Agent Systems
von: Yang, Huchen, et al.
Veröffentlicht: (2026)

When Counterfactual Reasoning Fails: Chaos and Real-World Complexity
von: Aalaila, Yahya, et al.
Veröffentlicht: (2025)

When Continual Learning Moves to Memory: A Study of Experience Reuse in LLM Agents
von: Hu, Qisheng, et al.
Veröffentlicht: (2026)

Talk Structurally, Act Hierarchically: A Collaborative Framework for LLM Multi-Agent Systems
von: Wang, Zhao, et al.
Veröffentlicht: (2025)

STeCa: Step-level Trajectory Calibration for LLM Agent Learning
von: Wang, Hanlin, et al.
Veröffentlicht: (2025)

Restoring the Sweet Spot: Pass-Rate Weighted Self-Distillation for LLM Reasoning
von: Liu, Zehao, et al.
Veröffentlicht: (2026)

When Do Multi-Agent Systems Outperform? Analysing the Learning Efficiency of Agentic Systems
von: Su, Junwei, et al.
Veröffentlicht: (2026)

Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems
von: Yang, Jiaxi, et al.
Veröffentlicht: (2025)

When Will It Fail?: Anomaly to Prompt for Forecasting Future Anomalies in Time Series
von: Park, Min-Yeong, et al.
Veröffentlicht: (2025)

Agent-Oriented Planning in Multi-Agent Systems
von: Li, Ao, et al.
Veröffentlicht: (2024)

Intelligent Assistants for the Semiconductor Failure Analysis with LLM-Based Planning Agents
von: Dobrovsky, Aline, et al.
Veröffentlicht: (2025)

MPO: Boosting LLM Agents with Meta Plan Optimization
von: Xiong, Weimin, et al.
Veröffentlicht: (2025)

CRAKEN: Cybersecurity LLM Agent with Knowledge-Based Execution
von: Shao, Minghao, et al.
Veröffentlicht: (2025)

When Validation Fails: Cross-Institutional Blood Pressure Prediction and the Limits of Electronic Health Record-Based Models
von: Azam, Md Basit, et al.
Veröffentlicht: (2025)

Universe Routing: Why Self-Evolving Agents Need Epistemic Control
von: Wang, Zhaohui Geoffrey
Veröffentlicht: (2026)

Synthetic Error Injection Fails to Elicit Self-Correction In Language Models
von: Wu, David X., et al.
Veröffentlicht: (2025)

Learning to Correct: Calibrated Reinforcement Learning for Multi-Attempt Chain-of-Thought
von: Ildiz, Muhammed Emrullah, et al.
Veröffentlicht: (2026)

DiFR: Inference Verification Despite Nondeterminism
von: Karvonen, Adam, et al.
Veröffentlicht: (2025)

When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift
von: Vogt-Lowell, Kevin, et al.
Veröffentlicht: (2026)

When Models Know When They Do Not Know: Calibration, Cascading, and Cleaning
von: Hao, Chenjie, et al.
Veröffentlicht: (2026)

Epistemic Deep Learning: Enabling Machine Learning Models to Know When They Do Not Know
von: Manchingal, Shireen Kudukkil
Veröffentlicht: (2025)

MAVEN: Multi-Agent Verification-Elaboration Network with In-Step Epistemic Auditing
von: Yao, Yinsheng, et al.
Veröffentlicht: (2026)