★ 3
DCFA:双视角因果归因提升多智能体故障推理
DCFA框架结合全局因果依赖图和局部反事实推理,无需训练即可定位LLM多智能体系统中的关键错误。在Who&When基准上,DCFA将步骤级准确率提升最高8.27%,有效应对浅层归因和上下文退化挑战。
arXiv cs.AI56 天前
共 3 篇相关资讯,按重要度与时间排序,每 3 小时更新。
DCFA框架结合全局因果依赖图和局部反事实推理,无需训练即可定位LLM多智能体系统中的关键错误。在Who&When基准上,DCFA将步骤级准确率提升最高8.27%,有效应对浅层归因和上下文退化挑战。
宾州州立大学和杜克大学的研究人员提出多智能体系统自动故障归因方法,将识别系统错误原因和责任的难题转化为可量化分析的问题,有望提升多智能体系统的开发效率。
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 …