arXiv · AI· Avinash Baidya, Xinran Liang, Ruocheng Guo, Xiang Gao, Kamalika Das·· 7 小时前AI 评分30
弱监督下对话与LLM智能体轨迹的早期故障预警方法
When Evidence is Sparse: Weakly Supervised Early Failure Alerting in Dialogs and LLM-Agent Trajectories
AI 导读
提出一种轻量级外部监控器，利用轨迹级结果训练注意力机制MIL模型，结合α-STOP策略实现故障早预警。 在5个基准测试中，高相关故障轮次稀疏且出现较晚；该系统相比前沿触发策略提升Pareto前沿质量3-42%，且无需按偏好重训。 相比基于GPT-5.2的LLM监控方案，每决策服务成本降低1,103-3,749倍，延迟降低31-106倍。
来源：arXiv · AI · arxiv.org