# 错误发现率控制

智能体可以在不重训底层大模型的前提下改写自己的提示、记忆、工具与工作流，但此前常用的贪心验收只要验证分数变高就接受更新，容易把采样噪声当成真实进步。TRUST把逐轮验收改写为在线多重假设检验，用LLM结合历史上下文分配检验水平，并对验证样本复用做重叠校正。在HotpotQA、DROP、APPS与DeepSeek-V4-Flash、Qwen-3.8-Flash的六组设置中，平均被接受的劣质更新比例从贪心验收的45.59%降到2.78%，平均最大回撤从4.963个百分点降到0.047个百分点。

智能体可以在不重训底层大模型的前提下改写自己的提示、记忆、工具与工作流，但此前常用的贪心验收只要验证分数变高就接受更新，容易把采样噪声当成真实进步。TRUST把逐轮验收改写为在线多重假设检验，用LLM结合历史上下文分配检验水平，并对验证样本复用做重叠校正。在HotpotQA、DROP、APPS与DeepSeek-V4-Flash、Qwen-3.8-Flash的六组设置中，平均被接受的劣质更新比例从贪心验收的45.59%降到2.78%，平均最大回撤从4.963个百分点降到0.047个百分点。

在顺序生物筛选中，大模型提议的候选常按命中数计功，但重选策略和随机补位本身也会产生命中。CADS把完整回路与去掉提议者的同一回路各自做错误率受控的判定，再取两者认证发现数的配对差；在DepMap模拟中，无LLM回路单独就能通过常规反馈门槛，按来源计数会把Qwen2.5-7B的净贡献从接近零抬到看似为正。

在顺序生物筛选中，大模型提议的候选常按命中数计功，但重选策略和随机补位本身也会产生命中。CADS把完整回路与去掉提议者的同一回路各自做错误率受控的判定，再取两者认证发现数的配对差；在DepMap模拟中，无LLM回路单独就能通过常规反馈门槛，按来源计数会把Qwen2.5-7B的净贡献从接近零抬到看似为正。