传统推理协议固定任务，无法检验代理是否能在事件流中传播最新更新、保留未受影响的工作或重建历史任务绑定。我们因此提出动态任务路由：事件流不断修订任务绑定，系统必须在每次查询时先选取对应的文档版本再求解。为此我们将六个常用基准（MMLU、MMLU‑Pro、MedMCQA、MATH、GPQA、HumanEval）重新组织，形成 31,119 条动态情景，累计 373,428 条按时间分类的查询。该设置揭示了一个核心权衡：每次事件后重新计算会浪费工作，而盲目复用会产生陈旧结论。
我们提出 修订感知独立代理图 (RIAG)，一种有界的多代理策略。RIAG 将确定性的时间解析与任务推理分离，使用不可变的文档标识进行缓存。每个新任务在未暴露的情况下先尝试两次，然后根据需要调用审计与修复，最多对同一文档版本发起四次调用。实验表明，在全部基准上，同构 RIAG 达到 54.24% 的路由‑答案联合准确率，平均 0.62 次调用/查询；相比之下最强对手仅 32.22% 准确率，却需要 18.00 次调用/查询。异构 RIAG 也取得 49.78% 准确率，调用数 0.63 次/查询。
点评