★ 3
ParaRecover：并行工具智能体错误定位与恢复基准
现有智能体基准多只评估最终任务成败或工具调用正确性，难以衡量智能体能否诊断并恢复中间执行失败。作者提出 ParaRecover，一个面向多轮并行工具调用智能体的过程级基准，基于 14 类错误分类构建 10,626 个实例，并提出 SDE 评分标准衡量结构完整性、诊断推理与演化策略。实验显示即便最先…
arXiv cs.LG49 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
现有智能体基准多只评估最终任务成败或工具调用正确性，难以衡量智能体能否诊断并恢复中间执行失败。作者提出 ParaRecover，一个面向多轮并行工具调用智能体的过程级基准，基于 14 类错误分类构建 10,626 个实例，并提出 SDE 评分标准衡量结构完整性、诊断推理与演化策略。实验显示即便最先…