arXiv · NLP· Hongzhan Lin, Shidong Cao, Ziyang Luo, Wenhao Chai, Mong-Li Lee, Wynne Hsu·· 2026-10-07AI 评分29
SafeActBench 揭示工具型 Agent 从证据到行动的失败链路
From Evidence to Action: How Tool-Using Agents Fail
AI 导读
工具型 Agent 在将证据转化为行动时存在失败风险,研究引入 SafeActBench 基准测试。该测试包含 6 个操作领域的 656 个案例,通过证据账本和确定性轨迹评估器,发现失败源于决策与执行中证据使用不当,而不仅是信息缺失。
来源:arXiv · NLP · arxiv.org