arXiv · cs.AI· Yaxin Ma, Wenbo Zhang, Satya Krishna Pothapragada, Alina Zare·· 5 小时前
GraphACM：基于图的大语言模型智能体行为一致性度量与不确定性量化
GraphACM: Graph-based Action Consistency Measurement for Uncertainty Quantification in LLM Agents
arXiv:2610.22031v1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：Yaxin Ma, Wenbo Zhang, Satya Krishna Pothapragada, Alina Zare
研究任务与主要进展
研究者提出 GraphACM，通过合并同一任务多次执行中的等价状态构建动作标注有向图，在共享决策状态上度量智能体行为一致性，并将其用于不确定性量化。基于论文摘要，在三个 LLM 和 ALFWorld、AppWorld、WebShop 上，该方法的任务成功预测平均 AUROC 为 0.811，高于最强行为一致性基线的 0.729和语言化置信度基线的 0.769。
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