SafeActBench评估代理行动证据链

Hongzhan Lin等提出SafeActBench，用于分析工具使用型Agent从判断是否行动到执行工作流时的证据链断裂。基于论文摘要，该基准含656个案例，覆盖6个操作领域和5类协议，并采用绑定来源的证据账本与确定性轨迹评估器，检查信息是否查清、行动时机及前置依赖是否满足。 对10种模型—工具配置的分析显示，静态行动判断较强并不意味着交互执行可靠；常见失败包括调查未完成、证据建立前行动、多步任务前置条件未解决及执行不完整。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。