Hugging Face Daily Papers·· 2026-10-06精选AI 评分78
从证据到行动:工具使用智能体的失败模式分析
From Evidence to Action: How Tool-Using Agents Fail
AI 导读
论文提出 SafeActBench 基准(656 个案例),研究工具使用智能体在从决策到执行的链条中,常因调查不完整或过早行动导致失败。即使获得必要证据,单步执行可靠但多步工作流仍暴露未解决的前置条件与执行不全问题。材料引入溯源绑定的证据账本与确定性轨迹评估器来追踪信息建立、动作发生及下游依赖满足情况。
推荐理由
SafeActBench 基准揭示工具使用智能体在决策与执行间存在证据链断裂,静态评估强但交互执行弱。
来源:Hugging Face Daily Papers · arxiv.org