arXiv · AI· Wenshuo Zhang, Yuquan Lin, Yushi Sun, Yishi Lin, Rui Sheng, Peng He, Han Gao, Wang Jikai, Yifeng Rong·· 4 小时前AI 评分24
RITE 基准评估电商智能体对静默工具错误的端到端韧性
RITE: Evaluating End-to-End Resilience to Silent Tool Errors in E-Commerce Agentic Systems
AI 导读
针对 LLM 智能体在电商多步交互中因静默工具错误导致的决策偏差问题，研究团队推出 RITE 基准。 该基准包含 9 个电商工作流和 167 个匹配单元，生成 501 个静默错误、正确值及显式失败实例，并采用语义错误分类法注入错误以冻结工具行为。
来源：arXiv · AI · arxiv.org