团子 AI 学院 · 特勤组 · 论文精读 S10
谁派活，谁负责到底
一篇论文，讲清多个 AI 怎么像好医院一样协作
Nguyen 等 · Monash 大学 · arXiv 2610.21243 · 2026 年 10 月 15 日
预印本，尚未经过同行评审 · 讲者 丁海祥
凌晨三点 · 急诊抢救室
三张会诊单，零个负责人
多发伤病人。你请了骨科、影像科、ICU，三个科都回了“收到”。
两小时后：CT 报告出来了没人看，骨科医生被另一台急诊叫走，ICU 以为你还在管。
每个人都在干活，
可没有人对这个病人负责。
今天的多智能体 AI，
正在犯同样的错。
这篇论文想解决的，就是这件事。
第一幕
两种老办法，都有病
一个 AI 不够用，就组一支队。可是队伍怎么指挥？
三种指挥方式
集中式 · 一个总值班
所有活都过他手。人一多，他的脑子就成了瓶颈：信息塞爆、改计划要等他、团队上限就是他的上限。
去中心化 · 互相请会诊
灵活、能扩展。但活派出去以后，谁跟进？出了错谁补救？常常说不清。
RCM · 首诊负责制
没有总值班。谁把活派出去，谁就对这件活负责到底，在自己这一小片里当“局部指挥”。
第二幕
首诊负责制 + 规范会诊单
RCM = Responsibility-Centered Coordination Mechanism，以责任为中心的协作机制
核心思想
球交出去，
责任不交出去。
派活的一方，仍然对结果负责：要盯进度、要核验。接活的一方，必须完成、汇报进度、拿出证据。两边都核验通过，这件事才算结束。
🏈 四分卫把球递给跑卫，这一档进攻还是四分卫在指挥
论文里的 commitment（承诺）
就是一张写清楚的会诊单
“帮我看看这个病人”不算会诊单。一张合格的会诊单，要写清楚五件事。
写不清楚，接的人就没法负责；派的人也没法核验。
每张会诊单都有自己的一生
承诺的生命周期
关键在于：每一步该做什么、不能做什么，都由当前状态决定。还没接单就动手、超出权限的操作，会被规则直接卡住。
🏈 没听到哨声就抢跑，裁判直接吹犯规
递归委派
活可以层层往下派，
责任一层都不断
骨科接了单，发现需要麻醉评估，就再给麻醉科开一张单。这时骨科对麻醉这一单负责，同时仍然对急诊那一单负责。
每个派活的人，只管好自己派出去的那几张单。整个团队就变成一张“局部指挥网”，不需要一个看得见全局的总值班。
RCP · 责任导向的沟通协议
规定好“该说什么话”
propose / accept / decline请会诊 · 接 · 拒拒绝也要说理由，派活方得另想办法query问进度“骨盆片看了吗？”notify主动通报出了意外，不等人问就先说submit / verify交结论 · 核验附证据，派活方确认才算完revise改单病情变了，双方重新约定update / terminate更新 · 撤单不需要了，就正式撤回🏈 就像队内统一的手势和口令：谁喊什么、什么时候喊，都有规矩
第三幕
真的有用吗？
看数据，也看它没做到的地方
主战场 · Claw-Eval 真实工具任务
工具被拆给不同的 AI，
谁也没法一个人干完
这种设置下，比的不是单个 AI 有多聪明，而是派活、沟通、补救做得好不好。
均为相对每一列最强对手的提升（分）。在不需要协作的数学、编程题上，它和别人基本持平。
责任四项考核 · GPT-5.4
发现问题，不等于解决问题
很多系统都能“喊一声出事了”，差距在后面两项：有没有人真的去补救、把活干完。综合责任分 RCM 82.8，比最强对手 AgentVerse 的 72.6 高 10.2。
消融实验 · 拿掉一块，看掉多少
最不能少的，是“说话的规矩”
任务得分。拿掉沟通协议，掉了 26 分；接活的人不用负责，掉 22 分。每一块都在起作用。
还有三个附带好处
队伍越大越省事
把智能体从 1 个加到 16 个，RCM 的成绩一直最好；有些对手小队时更快，但人一多延迟涨得更猛。
出了错，找得到人
Who&When 测试：判断“哪个 AI、在哪一步犯错”，平均 F1 34.96，o3 是 25.13。责任链本身就是一份病程记录。
小模型也能当安全员
ATBench-C 识别有害操作轨迹，用 4B 小模型做到 F1 73.82，超过专门训练的安全模型（最好 71.1）。
读论文，也要会打折扣
五个保留意见
01 预印本，还没经过同行评审。
02 只测了两个模型，每组只跑 3 次。
03 补救成功率 67%，意味着大约三分之一的出错仍然没救回来。
04 通信量接近线性增长 O(n)，是理论推算，不是实测。
05 作者自己强调：高风险场景仍然需要人类监督、权限控制和审计。
🏈 季前赛打得好，不代表季后赛也稳
第四幕
带回你的工作台
你不用写代码，也能用上 RCM 的思路
当你同时用几个 AI 查文献、写代码、审稿
你就是首诊医生
每派一个活，都给它开一张“会诊单”，并且自己负责最后核验。
【任务】在 PubMed 找 2020 年以后放射性骨骼肌损伤的动物模型研究 【完成标准】至少 8 篇，每篇给出 PMID、动物种类、照射剂量 【权限】只检索和摘录，不要替我下结论 【时限 / 预算】一次回答完，不超过 1500 字 【汇报】找不到或有疑问，先告诉我，不要编 【证据】每条结论后附原文句子，我会逐条核对
示例模板，可以直接复制改用。
这节课带走
三句话
球交出去，责任不交出去
谁派活，谁负责到底；接活的人，负责完成并交证据。
会诊单写清五件事
结果、完成标准、权限、预算、时限。写不清，就没法负责。
看补救，不只看报警
评价一个 AI 团队，要看出错后有没有人真的把事救回来。
One more thing · 课堂练习
给你最常用的一个 AI 任务，写一张会诊单
用上一页的六栏模板。然后对比：写单之前和之后，AI 交回来的东西有什么不同？哪一栏最管用？
⚠️ 别把病人隐私信息直接发给 AI；会诊单里的“证据”一栏，最终还要你自己核对。
丁海祥 · 团子 AI 学院原创精读 · 示意图为自绘或 AI 生成，非论文原图 · 数据引自论文表 2–6