研究团队提出SafeActBench评测基准分析Agent失效机制

1. 12:00
   arXiv 自然语言处理

   从证据到行动：使用工具的 AI 智能体如何发生失效

   研究团队提出 SafeActBench 评测基准，系统分析工具调用 AI 智能体在从决定行动到执行工作流过程中证据链断裂的原因。测试表明静态评估能力强的智能体在交互执行中往往明显衰退，失效多始于执行前的不完整调查或证据不足即行动，而在多动作工作流中更易出现前置依赖未满足等问题。该基准涵盖 6 个领域、5 种协议共 656 个测试案例，并引入证据账本与轨迹评估器追踪信息与动作依赖。

当前热度 9·可比范围峰值 10（10月7日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。