arXiv · cs.AI· Hongzhan Lin, Shidong Cao, Ziyang Luo, Wenhao Chai, Mong-Li Lee, Wynne Hsu·· 2 天前
工具使用型 Agent 从证据到行动的失败分析：SafeActBench 基准
From Evidence to Action: How Tool-Using Agents Fail
arXiv:2610.07753v1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：Hongzhan Lin, Shidong Cao, Ziyang Luo, Wenhao Chai, Mong-Li Lee, Wynne Hsu
研究任务与主要进展
研究团队分析了工具使用型 Agent 从判断是否行动到执行单步和多步工作流过程中的证据链断裂，并提出包含656个案例的 SafeActBench。基于论文摘要，十种模型—工具配置显示，静态行动判断能力较强并不保证交互执行可靠；失败常源于调查未完成、证据建立前行动、多步流程前置条件未解决或执行不完整。
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