Hugging Face Daily Papers·· 2026-10-05精选AI 评分78
基于证据的长周期智能体监督:AgentMonBench 基准与 EBG 方法
What Did the Agent Actually Do? Evidence-Grounded Oversight for Long-Horizon Agents
AI 导读
针对长周期任务中用户难以判断哪些决策需要验证的问题,研究提出无需训练的 Evidence-Grounded Behavior Graph(EBG)方法,将源链接证据分组并构建关系图以辅助监督。研究构建了包含两个维度的 AgentMonBench 软件工程基准,实验表明 EBG 在多种模型设置下均能提升关键决策识别与证据定位效果,且该优势在不同输入规模和超参数配置中保持稳定。
推荐理由
提出无需训练的 EBG 方法,通过证据图辅助用户识别长周期任务中的关键决策并定位依据。
来源:Hugging Face Daily Papers · arxiv.org