arXiv · AI· Jiale Liu, Huajun Xi, Shaokun Zhang, Yifan Zeng, Tianwei Yue, Chi Wang, Jian Kang, Qingyun Wu, Huazheng Wang·· 2026-10-12AI 评分26
Who&When Pro: 大语言模型真的能为AI智能体归因失败吗?
Who&When Pro: Can LLMs Really Attribute Failures in AI Agents?
AI 导读
研究提出Who&When Pro基准,用于评估大语言模型在智能体系统中的自动失败归因能力。 该基准通过严格受控流水线构造了12,326条带有黄金标签的失败轨迹,涵盖3种模态和26个评测场景。 实验揭示了模型在归因失败时跨模态、协议及模型家族的系统性模式,为未来归因系统提供实证指导。
来源:arXiv · AI · arxiv.org