跳到正文
arXiv · NLP· Jianing Zhu, Yeonju Ro, John Robertson, Kevin Wang, Junbo Li, Haris Vikalo, Aditya Akella, Zhangyang Wang·· 10 天前AI 评分42

AgingBench:部署系统中智能体生命周期工程的纵向可靠性基准

Your Agents Are Aging Too: Agent Lifespan Engineering for Deployed Systems

AI 导读

研究者提出纵向可靠性基准 AgingBench,用于评估部署后智能体的生命周期可靠性及修复目标。 AgingBench 将智能体老化划分为压缩、干扰、修订和维护四种机制,并采用时序依赖图与反事实探针进行诊断。 在涵盖 6 个场景、10 个记忆系统和 2 个模型家族的 400 次运行中,发现智能体老化并非单维度,且不同错误需针对性修复。

来源:arXiv · NLP · arxiv.org