Hugging Face Daily Papers·· 1 天前AI 评分46
工具使用型 AI 智能体如何从证据到行动中失效
From Evidence to Action: How Tool-Using Agents Fail
AI 导读
SafeActBench 评测显示，工具使用型 AI 智能体的失败不只来自信息缺失，也来自决策和执行中对既有证据的使用方式。该基准包含 656 个案例，覆盖 6 个运营领域和 5 类协议；10 种模型-harness 配置中，静态动作评估较强，但交互式执行明显较弱。
来源：Hugging Face Daily Papers · arxiv.org