**Dream2Discern：通过困难潜在变体实现多智能体系统运行时故障预测**

_Dream2Discern: Learning from Hard Latent Variants for Runtime Failure Prediction in Multi-Agent Systems_

> 针对大语言模型多智能体系统运行时审计成本高、失败覆盖不足的痛点，提出了 Dream2Discern 框架。该方法通过隐式增强策略，利用审计器自身的预测损失生成“困难潜在变体”，在不需额外执行或验证新轨迹的情况下，将有限样本转化为可再生困难样本进行训练。实验表明，该模型在 AFTraj-2K 和 StepShield 基准测试中，加权准确率超过 90%，显著优于现有审计器，并有效平衡了预测准确性与时效性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.16071)