arXiv · AI· Dolly Sah, Tanmay Sah, Harshul Jain, Tanya Sah·· 2026-10-06AI 评分41
UndoBench:区分工具调用 AI 智能体的任务能力与恢复能力
UndoBench: Separating Task Competence from Recovery Capability in Tool-Using AI Agents
AI 导读
研究者推出 UndoBench 基准,覆盖 8 个企业领域的 36 个基础工作流与 36 个故障场景,通过相同随机种子下的反事实配对试验,将任务能力与故障恢复能力解耦评估。
来源:arXiv · AI · arxiv.org