多智能体系统出了岔子，我们本能地会想：是不是某个 agent 太笨，或者模型不够强。但一篇 10 月 1 日挂上 arXiv 的论文（2610.02036）把另一类失败单独拎出来说事：每个智能体本地的决策都合法，合起来却产出非法的结果。作者 Xin Heng 管这叫「全局连贯性（global coherence）问题」——它失败的不是模型智商，而是共享状态。
论文里最有分量的是一条「观测混叠不可能定理」。它说的是：一个策略能从上一步的观察里保证做出合法动作，当且仅当「所有与该观察一致的世界」都共享至少一个可行动作。反过来说，如果有 k 个看起来一样、但要求动作两两互斥的世界，那么无论怎么随机化，最坏情况下的成功率上限就是 1/k。关键不在于模型不够努力——再多的推理、再多的角色拆分、再多的消息往来、再多的采样，都补不回那个「没被看见的区别」。一个更强的模型，只是能在自己的窗口内思考得更好，它看不到窗口之外的东西。
作者用九项研究给这个结论喂了实打实的证据。在一个受控的修订基准上，同一个前沿模型，当那个决定结果的事件可见时，得分是 40/40；一旦把事件藏起来，几个被测的智能臂得分掉到 12 到 17 分（和 1/3 的随机猜测差不多）；而只要把那一条权威事实还回去，立刻又回到 40/40。更贴近真实协作的是 TeamBench 的预算实验：普通团队在 5/5 的跑次里都超了共享预算；把实时计数摆出来，仍有 4/5 超标；直到在提交（commit）那一刻强制校验，超标才降到 0/5。在 tau2-bench 的电信场景里，当前状态检查在静默回滚之后只剩 0.07，而由运行时统一管的得分是 1.00。
把这件事翻译成工程语言，相当于给多智能体系统提了个醒：你以为自己在「协调」，其实可能只是把同一个失真的事实，在多个 agent 的窗口里各讲了一遍。论文的价值不在于发明一个新框架，而在于把「缺了哪个区别、该由谁记住它」这件事，从模糊的直觉变成了可以逐项检查的职责清单。它和早些年大家热衷于堆角色、堆消息的玩法形成对照——那些做法默认「更聪明的编排」能解决一切，而这篇论文用定理和实验说明，编排再聪明，也补不回一个没被任何节点持有的关键区别。
论文给出的解法是：模型负责提议，运行时（harness）负责持有共享状态、并在提交时统一把关。它用一套局部到全局的运行时语义 X =（拓扑 H、范畴 C、群胚 G、层 F、最小历史 D）来描述这件事——拓扑记录哪些作用域重叠，范畴管会改变状态的动作，群胚保留可逆的翻译，层测试局部视图能否粘成一个一致的世界，最小历史只保留「会改变合法未来」的那些区别。这套话翻译过来就是一句大白话：局部聪明补不回全局状态的缺失。它和本站此前覆盖的「共享状态污染」（1613）指向同一方向，但分工不同——那篇戳的是协作基准只评末端、证据核验只有 14% 的盲区；这篇更进一步，把「谁来持有区别、谁在提交时校验」当成一类独立的失败模式来对待。
对实际搭多智能体系统的人，这篇论文最有用的提醒是：很多多智能体翻车，缺的是状态或归属，不是缺一个更大的模型。具体落地有两件事值得做：一是上下文工程，想清楚「哪些区别必须进每个 agent 的窗口」；二是把运行时该持有的状态、该做的校验真正交给 harness。论文还顺手泼了一盆冷水——加一个 manager agent 并不是解药，它不过是多了一个带局部视野的提议者，同样受那条不可能定理约束。换句话说，与其叠更多层编排，不如先把「哪个区别决定合法性、它该由谁持有」这件事想清楚，这往往比换更强的底座更划算。