Who&When Pro 基准发布：评测模型对 AI 代理失败的归因能力
热点事件持续更新
Who&When Pro 基准发布：评测模型对 AI 代理失败的归因能力
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者发布 Who&When Pro，一个用于评估大语言模型能否对 AI 代理失败进行归因（判断失败主体与发生时间）的基准数据集。 该基准通过严格控制的流程构建：先精确重放成功轨迹前缀，再注入一次失败，由此生成 12,326 条带黄金标签的失败轨迹，覆盖 3 种模态和 26 个基准。作者基于论文摘要报告了相关实验与分析，称其旨在为自动失败归因系统提供经验参考。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
Who&When Pro：大语言模型能否归因 AI 代理失败？报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AIWho&When Pro：大语言模型能否归因 AI 代理失败？
研究者提出 Who&When Pro，用于评估大语言模型识别 AI 代理失败主体与发生时间的能力。该基准通过在精确重放成功轨迹前缀后注入一次失败，构建了覆盖3种模态、26个基准和12,326条失败轨迹的标准标注数据集。作者基于论文摘要报告了相关实验与分析，旨在为自动失败归因系统提供经验参考。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。