arXiv · cs.AI· Xingjian Diao, Tianyu Yang, Wenjun Huang, Xiangchi Yuan, Chunhui Zhang, Xingchen Zhao, Weiyi Wu, Haotian Xu, Soroush Vosoughi, Xiangliang Zhang, Jiang Gui·· 11 小时前
ECHO提出面向工具使用智能体的责任感知信用分配框架
Of Errors and Echoes: Responsibility-Aware Credit Assignment for Tool-Use Agents
arXiv:2610.16027v1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：Xingjian Diao, Tianyu Yang, Wenjun Huang, Xiangchi Yuan, Chunhui Zhang, Xingchen Zhao, Weiyi Wu, Haotian Xu, Soroush Vosoughi, Xiangliang Zhang, Jiang Gui
研究任务与主要进展
研究提出ECHO，通过冻结评判器区分智能体新引入的错误、继承的后果、遗漏的修正和成功的修正，并将多个责任决策共享的下游后果只计一次，同时以来源资金约束自我错误修复的奖励。ECHO在六个工具使用基准上以4B和8B规模进行实验，相比所比较基线取得强且一致的改进，并在每个规模的六个基准中五个获得最高分。代码已发布于GitHub：https://github.com/xid32/ECHO
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