arXiv · cs.AI· Ramesh Arvind Naagarajan, Stefan Streif·· 8 小时前
结构化基线影响LLM智能体失败检测与归因
Structural Baselines Matter for Agent Failure Detection and Attribution
arXiv:2610.16661v1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：Ramesh Arvind Naagarajan, Stefan Streif
研究任务与主要进展
该论文指出，LLM智能体失败检测与归因中的部分性能来自无需读取运行过程的结构性规律，始终选择最后一步的基线准确率为67%—96%。在可由重放确认决定性步骤的失败上，该基线降至接近随机水平，修正后所测方法在放弃型失败上没有额外收益，而内部状态监控在智能体基准上优于运行长度和文本相似度。由于失败稀少时精度仍低，监控器更适合排序运行供人工复核，而非替代复核。
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