12:06
官方账号arXiv cs.AI@Yunjia Qi, Zehua Yin, Xintong Shi, Hao Peng, Songyuanyi Lu, Yixian Liu, Richeng Xuan, Yuhong Liu, Zhichao Hu, Xiaozhi Wang, Lei Hou, Bin Xu, Juanzi Li
推荐理由：TrajDebug能从长轨迹里精准揪出导致最终失败的那个错误，486条真实数据验证过，比现有方法都靠谱。
Tau2Bench
共 1 条相关 AI 资讯
8月7日
12:06
TrajDebug提出错误生命周期追踪框架，通过多粒度历史压缩和基于证据的错误识别，解决长轨迹中的错误发现难题。该框架追踪每个错误的解决状态和终端影响，实现关键归因。研究构建了TrajErrBench基准，包含来自Tau2Bench和SWE-Bench Pro的486个手动标注失败轨迹。实验表明TrajDebug在多个智能体基准上优于现有基线，其诊断结果可提升下游智能体成功率。