09:22
官方一手arXiv: DeepSeek@Zibin Lin, Shengli Zhang, Taotao Wang, Yihan Xia, Deen Ma, Guofu Liao
推荐理由：这篇论文提出了WML方法，能精准定位Agent工作流失败节点并复用外部技能知识，在SpreadsheetBench和Compiler-Supported50上表现亮眼，比直接SkillAgent省不少token。
Qwen3.6-Flash
共 1 条相关 AI 资讯
7月24日
09:22
WML方法通过Node--Mechanism Attribution识别失败工作流节点、原因机制及最小编辑目标，将单机制缺陷路由到L3资源，跨机制缺陷路由到L2协议。在SpreadsheetBench上，WML使用DeepSeek达到90.33±1.53 Hard Accuracy，使用Qwen3.6-Flash达到74.67±3.51。无额外优化时，学到的技能迁移到WikiTableQuestions取得84.00±2.00和83.00±2.00 Denotation Accuracy。在Compiler-Supported50上，WML同时取得最高hard-PASS率和最低每次成功任务成本，编译执行相比直接SkillAgent大幅减少token和调用次数。代码和工件已开源在GitHub。