★ 3
任务状态应多强地影响LLM智能体
论文研究长周期任务中任务状态以何种强度传递给LLM智能体最可靠，比较原始记录、清单、状态机指令与强制执行门四种方式。结果显示展示准确状态并不可靠，智能体自写账本优于被展示的清单，强制执行无需服从但受状态正确性限制。该研究为智能体状态管理设计提供了实证依据。
arXiv cs.AI40 天前
#智能体可靠性
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
根因归因是搜索问题：长周期智能体失败的持续搜索
论文指出LLM自动根因归因在长执行轨迹上准确率低，因关键证据稀疏且分散，本质是大规模搜索问题。作者提出持续搜索迭代框架，多轮引导评判器持续寻找未解决的诊断证据，并发布MegaRCA-Mix大规模评测集。在MegaRCA-Mix上将GPT-5.5的F1从0.349提升至0.498，且低阶模型可超越高…
arXiv cs.AI48 天前
★ 3
Agent Mesh：非幂等委托的可靠性原语
研究分析生产智能体平台中的故障，发现服务网格的重试、超时等原语假设被违反。提出身份充分性和证据充分性两个核心问题，并推导出七个可靠性原语，以委托为执行单元。
arXiv cs.AI66 天前
★ 2
NAQD Env：语言智能体选择性撤回基准
论文提出 NAQD-Env，一个评估语言智能体在证据变化、权限撤销或停止指令下选择性撤回行为的合成环境，依据显式证据、授权与约束依赖与确定性参考策略对比。在 350 个冻结场景、3150 个模型—提示回合中，撤回召回率最高仅 0.06，无有效恢复，仅一个回合完全匹配参考策略；监督微调可将 Qwen…
arXiv cs.AI32 天前