MeshHeal 是一种完全去中心化的自愈框架，针对在去中心化 LLM 多代理系统中出现的灰色失效进行处理。灰色失效指的是代理仍保持响应，但其解题质量持续下降，尚未形成足够证据来改变路由策略，同时又需要在恢复后重新加入网络。
在快速时尺度，MeshHeal 采用自适应层级机制。单一评审者对输出进行评分，当评分不确定或低于阈值时，自动提升至委员会审议；必要时对输出进行纠正后再使用。
在慢速时尺度，系统使用任务和能力条件的相对检测器聚合各代理的评分，区分持续退化与普通波动。检测到持续退化后强制进入委员会审查，并最终将该代理从普通路由中剔除；恢复探测会周期性提供新证据，以便将恢复的代理重新接入。
为准确评估路由效果，本文提出模型支持的 MAS 评估（Model-Backed MAS Evaluation），将能力分配绑定到执行模型，避免仅靠提示分配导致的路由错误隐藏。
实验在 BBH、MATH、MMLU‑Pro 三个基准上进行。MeshHeal 在退化阶段达到 0.839 的准确率，仅使用 51k 模型 token/任务；而最强基线 Symphony 在相同条件下为 0.807，使用 115k token。面对交错的退化与恢复，MeshHeal 能够隔离退化代理，保持其不参与普通任务，直至恢复后再恢复正常路由。
点评：MeshHeal 通过双时尺度的评审与检测机制，实现了对灰色失效的及时捕获与修复，在保持低开销的同时显著提升了去中心化 LLM 代理网络的鲁棒性。