论文页面 - LEDGERMIND: Provenance-Constrained Multimodal Agentic Reasoning with a Structured Evidence Ledger

来源：https://huggingface.co/papers/2607.28374

摘要

用于视觉问答的多模态智能体日益以多步轨迹的方式运行，这些轨迹交织了感知、检索和推理，但评估在很大程度上仍然归结为最终答案的准确率。这种聚合信号无法判断正确答案是通过有依据的证据、语言先验，还是偶然的误差抵消而得出。我们提议将多模态智能体轨迹视为一个受来源约束的状态机：工具输出被规范化到一个结构化证据账本（Structured Evidence Ledger）中，作为轨迹状态；下游的推理和决策声明只能引用账本中处于活动状态的条目；在实体和数值层面检查依据性；修复则以类型化状态转换的形式实现，没有工具产生的来源就不能引入内容。我们将这一设计实例化为 LedgerMind（受来源约束的多模态智能体推理与结构化证据账本），并辅以三层依据性协议（Three-Layer Grounding Protocol）、一个根据问题复杂度匹配推理深度的自适应双路调度器（Adaptive Dual-Path Dispatcher），以及一个带有形式化来源非放大保证的事件触发的验证与修复引擎（Event-Triggered Verification-and-Repair engine）。我们使用 LedgerMind 来针对最终答案准确率往往掩盖的四种反复出现的失败模式：无支持的中间推理、基于引用的实体幻觉（Phantom Grounding）、对简单查询的过度推理，以及修复时的信息放大。在多个多模态推理基准和骨干 MLLM 上的实验表明，LedgerMind 同时提高了答案准确率和轨迹级忠实度。

查看 arXiv 页面 (https://arxiv.org/abs/2607.28374) 查看 PDF (https://arxiv.org/pdf/2607.28374) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.28374)

在您的智能体中获取此论文：

hf papers read 2607\.28374

还没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

没有模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2607.28374，即可在此页面显示链接。

引用此论文的数据集 0

没有数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.28374，即可在此页面显示链接。

引用此论文的 Space 0

没有 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2607.28374，即可在此页面显示链接。

包含此论文的收藏 0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection)，即可在此页面显示链接。