ReCast：面向 LLM 智能体系统的归因导向步骤表示学习
原文标题：ReCast: Attribution-Oriented Step Representation Learning for LLM-Based Agent Systems
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文针对 LLM 智能体系统失败归因问题，提出 ReCast 步骤表示学习方法，将冻结 LLM 的隐藏状态转化为归因导向的步骤表示，并构建 ReCast-2K 训练数据集。该方法在四个基准上取得最佳 Hit@1，在 Who&When 的 Algorithm 与 Handcrafted 上分别超越最强基线 5.65 与 9.19 个百分点。
- 问题
- LLM 智能体失败常源于早期步骤，现有隐藏状态表示难以区分根因步骤。
- 方法
- 先选归因相关层，再构造模式与偏差互补特征，用对比与排序目标训练编码器，把冻结 LLM 隐藏状态转为归因导向步骤表示。
- 结果
- 四个基准 Hit@1 最佳，Who&When 的 Algorithm 与 Handcrafted 分别超最强基线 5.65 与 9.19 个百分点。
- 影响
- 为智能体调试提供更准的失败根因定位，可直接用于多步 Agent 流水线的排障。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ReCast将冻结LLM隐藏状态转为归因导向步骤表示，在Who&When两子集超最强基线5.65与9.19个百分点。
- •实证发现直接用隐藏状态作步骤表示，对根因步骤与其他步骤的区分能力有限
- •ReCast先选归因相关层，再构造互补的模式与偏差特征，用对比与排序目标训练编码器
- •同时发布ReCast-2K失败归因训练数据集
- •在四个基准上取得最佳Hit@1，Who&When的Algorithm与Handcrafted分别超最强基线5.65与9.19个百分点
为什么重要：智能体失败常源于早期步骤并向后传播，更准的归因表示有助于定位与修复多步智能体系统。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。