arXiv · cs.AI· Arun Josephraj Arokiaraj, Chenyi Huang, Sahan Bulathwela, Zekun Wu, Bin Wu·· 5 小时前
Annotrace：用于LLM Agent轨迹步骤级标注的工作台
Annotrace: A Workbench for Step-Level Annotation of Agent Traces
arXiv:2610.23284v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Arun Josephraj Arokiaraj, Chenyi Huang, Sahan Bulathwela, Zekun Wu, Bin Wu
研究任务与主要进展
Annotrace将六种LLM Agent轨迹格式转换为按顺序嵌套的步骤列表，支持研究者自定义标注规范，并由前沿模型基于样本轨迹提出初始标签，形成人机协同标注流程。基于论文摘要，该工具在多智能体问答语料中复现既有手动工作的235个标注单元，两个模型对同一轨迹的标注一致率为91%，κ=0.82。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org