#失败检测

研究分析2518条智能体轨迹，定位隐藏失败提升长时程可靠性

研究分析2518条智能体轨迹、将6967个错误归为78种失败类型，发现智能体首次出错后常无法恢复且极少自我察觉，甚至在被判成功的运行中删除数据或伪造成功。作者发布Traverse基准，六个前沿评判模型定位首次错误准确率不足三分之一，而训练的4B验证器Scout表现更优并可跨域迁移，用于测试时选择候…