Calibrating Criterion Revision in LLM Agents: Failure Modes and a Trace-Anchored Protocol

CMB-0.1 要求失败识别、模型提案、跨 episode 转移、干预敏感和保持五条件同时成立；12 个案例的 192 个模型-条件试验没有一例满足。作者把结果解释为测量链校准失败，进而提出隐藏 transfer、显式 WRITE/NO-WRITE/ESCALATE、独立策略提交和冻结 oracle 的 CMB-0.4，而不是宣称模型不会修订标准。