OTAP: 面向智能体轨迹规划与执行评估的结构感知最优传输方法

提出基于非平衡融合 Gromov-Wasserstein 传输的 OTAP 指标，用于评估大语言模型智能体轨迹，解决二元成功标志无法区分合理方案与侥幸成功的问题。 在三个公开基准测试中，当语义指标表现低于随机水平时，OTAP 能有效区分有效与无效轨迹；盲测 236 条轨迹显示其与人类判断一致性最高，且对边缘噪声敏感度低于结构感知基线。