💻 computer science

MARS-Agent: Retrieval-Augmented Multi-Agent Deliberation for Cross-Border E-Commerce Supply Chain Resilience

本文提出了 MARS-Agent，这是一个具有双重触发式 RAG 机制和“验证-自适应-重规划”循环的检索增强多智能体框架，旨在通过实现闭环、自纠错的审议机制，以增强跨境电子商务供应链应对异构扰动的韧性。

原作者： Wenhui Zheng, Qing Xu

发布于 2026-09-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Wenhui Zheng, Qing Xu

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

全球贸易向来是一场微妙的平衡行动，但现代这种为在线购物跨越国境运输商品的模式，正面临着一种独特的压力。与在单一国家稳定的法律和道路内运作的本地配送网络不同，跨境供应链必须应对不断变化的政府、变动的贸易规则以及不可预测的政治事件所构成的复杂局面。当港口发生拥堵或新的制裁措施出台时，其连锁反应可能是即时且严重的。多年来，旨在管理这些网络的计算机系统一直像是一条单行道：它们发现问题，计算方案，然后发出指令。然而，这些系统往往未能意识到，它们自身的解决方案可能会产生新的问题。如果一名管理者为了避开风暴而重新规划航线，这条新航线可能会突然遭遇另一个国家的海关封锁，或者遇到一个刚刚受到贸易限制影响的供应商。旧的方法将初始风险与其补救措施带来的后果视为两个独立的事件，导致系统极易陷入无法预见的错误连锁反应之中。

为了解决这一问题，研究人员郑文辉（Wenhui Zheng）和徐庆（Qing Xu）开发了一种名为 MARS-Agent 的新系统，它的作用更像是一个不断根据现实世界校验自身工作的专家团队。该系统并非由一个单一的计算机程序做出决策并结束任务，而是使用一组在持续循环中协作的人工智能代理（agents）。这一过程始于一个“侦察兵”（scout），它不断扫描互联网上的新闻，包括地缘政治冲突、天气和贸易政策，并将这些混乱的新闻信息转化为清晰的事实。随后，一个“分析师”（analyst）将这些事实转化为数字，估算延迟可能带来的成本或货物交付失败的可能性。接着，一个“优化器”（optimizer）利用这些信息起草一份计划，例如选择新的运输路线或不同的仓库。但该系统的关键区别在于最后一步：一个充当安全检查员的“验证器”（validator）代理。在任何计划执行之前，该验证器会检查拟定的路线及涉及的新供应商，以查看它们是否引入了原问题中不存在的新风险。如果验证器发现了隐藏的危险，它会将计划发回给优化器进行重写，从而形成一个检查与完善的循环，直到计划安全可用为止。

研究人员在一个高度详细的跨境电子商务网络模拟环境中测试了这种方法，并在其中注入了 120 种不同的现实世界干扰场景，涵盖了从台风导致的港口拥堵到突发的贸易制裁和地缘政治冲突。他们将这一新系统与包括传统数学模型和其他人工智能技术在内的五种其他方法进行了对比。结果显示，MARS-Agent 团队的表现始终优于其他方法。在模拟中，它能近 90% 地按时交付订单，这比次优方法有了显著提升。更重要的是，它大幅降低了运营总成本和延迟交付的罚金。或许最关键的是，与现有的最佳风险感知方法相比，它将整体风险敞口降低了三分之一以上。这种成功不仅在于速度更快或成本更低，更在于系统能够在错误发生前捕捉到自己的失误。在一个涉及台风袭击主要港口的特定测试案例中，旧系统将货物重新路由至备用供应商，却因错过了一项新的出口限制而导致货物被海关拒收。然而，MARS-Agent 在其验证阶段捕捉到了这一新限制，强制进行了重新规划，并找到了一个能够实际履行订单且不会造成延误的替代供应商。

研究还探讨了这种细致校验过程需要多少额外的计算能力。由于系统需要进行多轮检查与复核，其做出单个决策的时间比直接行动的标准程序要长。模拟显示，一个完整的决策周期大约需要 22 秒，而简单的系统仅需 5 秒多一点。然而，研究人员指出，在国际航运的现实世界中，决策通常是以小时或天为单位做出的，而非以秒计。这意味着，为了避免失败运输带来的巨额成本，花费额外的时间进行计划验证是值得的代价。该系统在面对政治冲突等复杂且不可预测的事件时表现得尤为有效，因为在这些事件中，规则变化迅速且难以用标准公式进行预测。通过不断获取新鲜信息并根据这些新数据校验其计划，该系统避免了依赖过时假设的陷阱。

最终，这项工作表明，在全球性的混乱环境中，韧性不仅仅意味着对问题的反应，更意味着一个能够质疑自身解决方案的系统。MARS-Agent 框架展示了通过将决策过程分解为专门的角色，并强制系统根据最新信息验证其计划，可以以更高的稳定性应对跨境贸易的复杂性。研究人员发现，这种闭环方法——即系统不断从其提议的行动中学习——是保持供应链在环境剧变时持续运转的关键。尽管该研究是在模拟环境中进行的，但结果表明，这种协作式、自我修正的人工智能方法，可以为管理脆弱且相互关联的全球商业网络提供坚实的基石。

技术摘要：用于跨境电子商务供应链韧性的 MARS-Agent

1. 问题陈述

跨境电子商务供应链面临着日益复杂的异构型干扰，包括地缘政治不确定性、贸易政策变化以及物流瓶颈。现有的供应链韧性研究方法存在一个根本性的结构缺陷：它们将风险感知与运营决策视为解耦的、开环的过程。

这种解耦导致了两个关键问题：

反应局限性： 经典方法（随机规划、鲁棒优化）依赖于预定义的干扰分布，难以应对分布外（out-of-distribution）事件。强化学习（RL）方法则依赖于结构化的状态表示，无法捕捉如地缘政治事件等非结构化信号。
反射性盲点： 跨境干扰具有内在的反射性；旨在缓解某一干扰而采取的纠偏行动，可能会在相互关联的管辖区内无意中引入新的风险暴露。目前的语言大模型（LLM）和多智能体系统多在单轮或开环设置下运行，缺乏验证其自身决策是否会放大风险的机制。

2. 方法论：MARS-Agent

作者提出了 MARS-Agent，这是一个检索增强的多智能体协作框架，旨在统一实时风险感知、结构化影响量化以及闭环策略优化。该框架由三个核心组件组成：

A. 双重触发式检索增强生成 (DT-RAG)

不同于依赖被动、查询驱动检索的传统 RAG 系统，DT-RAG 通过两条路径主动发起检索：

状态触发检索： 当供应链状态指标（如库存水平、延迟率）突破特定阈值时激活。这使得系统能够在外部风险升级前检测到新兴风险。
决策触发检索： 由候选方案中引入的实体（如新航线或备选供应商）触发。这解决了“盲点”问题，即系统自身行为所带来的风险影响仍未经过审查。
数据摄取： 系统通过向量数据库处理非结构化风险信号（来自 GDELT 项目），并通过关系数据库处理结构化运营数据（来自 Olist 数据集）。

B. 四角色多智能体架构

该框架采用四个专门的智能体进行协作，将非结构化信号转化为可执行的策略：

环境侦察智能体 (Environmental Scout Agent)： 作为共享知识网关，根据状态或决策触发器，与向量数据库进行交互以检索相关的风险记录。
影响分析智能体 (Impact Analyst Agent)： 利用 LLM 推理将检索到的非结构化文本转换为结构化的干扰参数（预期延迟、额外成本、失效概率），并附带校准后的置信区间。
优化智能体 (Optimization Agent)： 通过求解平衡成本与风险的目标函数，生成具备韧性的供应链计划（重新路由、供应商选择）。它支持在注入新约束时进行迭代重规划。
验证智能体 (Validator Agent)： 作为关键的闭环组件。它从候选计划中提取新实体，触发基于决策的检索，并量化净风险变化 ( $\Delta Risk$ )。

C. 验证-适配-重规划循环 (VARL)

VARL 将决策流程从前馈过程转变为自我修正的审议过程：

前向传递： 侦察、分析和优化智能体生成初始计划 ( $\pi_0$ )。
验证： 验证智能体根据新发现的风险评估 $\pi_0$ 。如果净风险变化超过阈值 ( $\epsilon$ )，则拒绝该计划。
适配与重规划： 如果计划被拒绝，发现的风险将被作为约束注入优化目标，促使优化智能体生成修订后的计划 ( $\pi_{n+1}$ )。
收敛： 循环迭代直至达到风险收敛、计划稳定或达到最大迭代次数 ( $N_{max}$ )。如果收敛失败，系统将升级至人工审查。

3. 核心贡献

本文概述了四个主要贡献：

MARS-Agent 框架： 一个统一的四角色架构（侦察、分析、优化、验证），集成了风险感知、影响量化和闭环优化。
DT-RAG 机制： 一种主动检索范式，通过供应链状态异常和智能体生成的决策来触发知识获取，确保推理锚定在最新的外部知识之上。
VARL 机制： 一种自我修正的审议循环，通过二次检索对候选计划进行压力测试，并将发现的风险作为约束反馈，从而在形式上保证收敛。
实证验证： 通过广泛的实验证明，在成本效率、交付及时性和风险暴露方面，该方法优于传统的优化、强化学习及基于 LLM 的基准方法。

4. 实验结果

实验是在一个使用 GDELT 地缘政治数据和 Olist 订单数据的跨境电子商务模拟环境中进行的，共注入了 120 个干扰场景（港口拥堵、贸易制裁、地缘政治冲突、自然灾害）。

性能指标：

成本效率： MARS-Agent 实现的总成本为 108.2，惩罚成本为 18.6，分别优于表现最好的基准模型 (PPO-Inv) 13.3% 和 31.4%。
交付及时性： 实现了 89.7% 的准时交付 (OTD) 率，平均延迟为 2.4 天，比表现最好的基准模型在 OTD 方面提升了 8.5%。
风险暴露： 达到了 0.281 的风险得分，相比于表现最好的风险感知基准模型 (SC-GPT) 降低了 33.6%。

消融实验：

去除多智能体架构会导致 OTD 下降 3.1% 并增加风险。
去除 DT-RAG（回归为被动检索）会导致总成本增加 7.8 且风险得分增加 0.071。
去除 VARL（开环执行）导致的性能下降最为显著，总成本增加了 13.1 且风险得分增加了 0.087，证实了闭环验证是缓解决策诱发风险的最关键因素。

收敛性分析：
VARL 在每个决策周期内高效收敛，平均迭代次数为 1.53 次。对于结构化干扰（自然灾害），75.8% 的计划在第一次迭代中即被接受。对于非结构化干扰（地缘政治冲突），需要更多的迭代次数，但升级至人工审查的情况少于 4.2%。

5. 重要性与主张

本文声称 MARS-Agent 解决了跨境干扰的反射性本质与当前方法的开环范式之间的关键差距。通过集成 DT-RAG 和 VARL，该框架实现了：

主动风险感知： 超越被动查询，通过环境变化和内部决策共同触发风险检测。
自我修正的审议： 将决策流程转变为闭环过程，系统通过验证自身的纠偏行动是否引入了二次脆弱性。
平衡优化： 在动态、异构的环境中，实现成本效率、交付速度和风险暴露之间的最优权衡。

作者强调，虽然其计算开销高于单轮 LLM 方法（延迟约为 4.2 倍），但仍处于每日供应链决策周期的可接受范围内，为具有韧性的跨境电子商务运营提供了稳健的解决方案。