★ 2
TraceTrial-Bench 发布：评测 AI 智能体框架可靠性与故障归因
arXiv 论文提出 TraceTrial-Bench，将智能体框架（harness）可靠性拆为上下文、执行、治理、生命周期、可观测性、工具、验证七个维度，构建 95 个专家级机制型任务。研究设计轨迹追踪（TT）、多源证据采集（MEA）与故障归因（FA）模块，形成双层评测框架。在 4 个框架、9 …
arXiv cs.AI7 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
arXiv 论文提出 TraceTrial-Bench，将智能体框架（harness）可靠性拆为上下文、执行、治理、生命周期、可观测性、工具、验证七个维度，构建 95 个专家级机制型任务。研究设计轨迹追踪（TT）、多源证据采集（MEA）与故障归因（FA）模块，形成双层评测框架。在 4 个框架、9 …