幫AI加監察員，可以少走冤枉路

（媒角抵加／林承志綜合報導）你叫AI找資料、規劃行程或整理報告，第一個線索讀錯，它可能一路換關鍵字，最後交出完整卻答錯題目的結果。8月25日，復旦大學與騰訊團隊公開CAFE預印本：監察角色讀搜尋過程，發現漏掉條件就叫主代理停下並指下一步。7B模型在7組題目的完全答對率，由49.7%升至52.5%。

• 最常見的錯誤：第一個地名或條件看錯後，AI繼續換搜尋字，卻沒有重看手上的資料。
• 可以立刻學的分工：主代理負責找資料；監察子代理負責看搜尋紀錄，指出漏掉的條件與下一步。
• 論文裡的例子：AI一度追著丹佛找步道；重讀Grand Junction的結果後，才答出Old Kiln Trail。
• 題庫結果：研究者報告，7B模型的完全答對率由49.7%升至52.5%，沒有證據卻作答的比例由17.63%降至12.60%。
• 人最後要做的事：寄信、花錢、處理個資或對外承諾前，仍由人確認。

查旅遊行程或做報告，第一個條件看錯就會白忙一場

想像你請AI找一條適合全班戶外教學的步道。它列了距離、坡度與景點，看起來很仔細；只要一開始把地點看錯，後面找到的資料再多，也可能全是別的地方的答案。交報告、做比價或找客戶資料時，也會遇到同一種問題。

CAFE論文放了一個相似的搜尋示範。AI要依距離、長度、寬度、爬升和19世紀建物等線索，找出科羅拉多的一條步道。它已在結果裡看到Grand Junction，卻把這個地名當成無用資料，轉而猜目標在丹佛，接著反覆查丹佛附近的步道與地方檔案。

監察子代理看過程，先指出主代理漏了什麼

CAFE的做法像替主代理安排一名監察員。主代理負責查資料；監察角色讀它已經查過的關鍵字、看過的結果和採用的線索，找出哪一個條件被漏掉，再給一個明確的下一步。

論文裡，監察角色提醒AI：Grand Junction已出現在搜尋結果，先重讀這個地理線索，再把步道長度、寬度、爬升和舊石灰窯一起帶進下一次搜尋。主代理改用完整條件查詢，最後找到Old Kiln Trail。監察角色的工作，是在錯誤累積前把它指出來。

今天就能這樣分工：主代理找，監察子代理抓錯

你不必等CAFE變成一個產品。用兩個對話或兩個代理就能試：第一個只負責找資料與保留每次搜尋的來源、條件和結論；第二個只讀這份紀錄，回答三件事：已經確認什麼、漏掉哪個條件、下一步該查什麼。

可以先把規則寫成一句話交給監察子代理：「同一方向找不到新證據時，停止新增關鍵字；找出被忽略的條件，列出已查來源、尚缺資料和一個能核對的下一步。」主代理收到這份回覆後再繼續。這能讓你看見它是資料不夠，還是一開始就找錯方向。

題庫裡的答對率提高，自己的任務要先小範圍比較

研究者用Qwen2.5的7B與3B模型，在7組搜尋題測試這套做法。7B模型的完全答對率由49.7%升至52.5%，F1分數由58.0升至60.7；平均答案編造率由17.63%降至12.60%。這裡的答案編造，是找不到足夠證據，卻仍把話講得像真的。

這些數字來自題庫，最實際的用法是挑一件你常交給AI的任務試跑，例如每週市場整理或旅遊資料蒐集。保留10次沒有監察角色的結果，再和10次有監察角色的結果比較：漏條件幾次、引用錯資料幾次、需要人重做幾次。你才能知道它在自己的資料與規則下幫了多少忙。

人接手會改變別人權益的決定

監察子代理能提醒搜尋方向，仍不能代替負責的人。內容會寄給客戶、牽涉報價、個資、醫療、法律或退款時，主代理與監察角色都要交回來源和理由，由人做最後確認。

這樣分工後，AI不只交出一個答案，也交出它為何走到這個答案。你可以先看它漏了什麼，再決定要它重查、改題目，或停止使用那一批資料。

常見問題

監察子代理一定要用另一個模型嗎？

不一定。CAFE論文讓同一個共享模型輪流扮演搜尋與監察角色。實際試跑時，可用兩個代理、兩段對話，或同一個工具裡前後兩個明確步驟；重點是監察角色必須看得到主代理的搜尋紀錄。

它要監察哪些事？

先看主代理採用的條件、已看過的來源、重複出現的搜尋方向與尚未回答的問題。回覆時只交代漏掉的條件、一個能核對的下一步，以及何時該停下來交給人。

CAFE現在可以直接下載嗎？

截至8月27日，公開材料以論文與題庫結果為主，未見研究團隊提供可直接開帳號使用的服務。讀者可先把監察流程用在現有工具裡。

資料來源與更新紀錄

• 2026年8月25日：CAFE的公開日期、研究摘要與測試範圍，參考 arXiv論文摘要頁。
• 2026年8月27日查核：CAFE的步道示範、要求提示方式、訓練過程、完全答對率、F1與答案編造率，參考 CAFE論文全文。
• 2026年8月27日查核：文字回饋協助語言代理調整後續嘗試的學術背景，參考 Reflexion論文摘要頁。
• 2026年8月27日查核：目前維護型實作與公開Demo的獨立整理，參考 OpenTrain技術頁。