TS-RAG：缓解 Agentic 说服中的复合错误

该论文指出在开放、多步环境中，基础模型智能体常因早期错误导致复合误差，尤其是在主观任务（如说服）中，标准多智能体辩论（MAD）易出现问题漂移与谄媚一致。作者识别出标准 RAG 的语义泄漏是可复现的触发因素，即 RAG 优先考虑词汇重叠而非逻辑必要性。

为解决此问题，引入分类策略 RAG（TS-RAG），通过离散类别瓶颈路由策略，将论证结构与主题内容解耦，从而减少复合错误。实验在说服任务中验证了方法的有效性。