跳到正文
arXiv · AI· You Liu, Yue Liu, Quanchao Lu·· 2026-10-14AI 评分26

RetryBench 基准测试:GPT 工具使用中区分重试权限与恢复结果

RetryBench: Separating Retry Permission from Recovery Outcomes in GPT Tool Use

AI 导读

研究提出 RetryBench 基准,用于区分 GPT 工具调用中的虚假重试权限(FRP)与实际恢复结果。在 720 次响应的关键控制中,Luna 和 Terra 在提供更改的密钥时分别产生了 60/80 和 55/80 次不支持的重试,而 Sol 仅 1/80。

来源:arXiv · AI · arxiv.org