MeshHeal 用双时间尺度同伴评审在 BBH、MATH、MMLU-Pro 上以每任务 51k token 达到 0.839 降级期准确率，优于 Symphony 的 0.807（115k token）
该工作提出 MeshHeal，一个完全去中心化的自愈框架，通过跨两个时间尺度的能力匹配同伴评审来应对去中心化 LLM 多智能体系统中的灰色故障：在快时间尺度上，自适应层级将不确定或低分输出从重复单评审者评估升级到委员会审议并在使用前纠正；在慢时间尺度上，任务与能力条件的同伴相对检测器聚合分数以区分持续退化与普通输出波动，触发强制委员会评审并最终将退化智能体排除出常规路由，恢复探针为其重新加入提供新证据；作者同时提出 Model-Backed MAS Evaluation 将能力分配绑定到执行模型，并在 BBH、MATH、MMLU-Pro 上报告 MeshHeal 在降级期达到 0.839 准确率、每任务共 51k 模型 to