OAT：仅用成功轨迹的无监督 LLM 智能体失败归因方法

研究者提出 OAT，将 LLM 智能体失败归因转化为单类学习问题，用神经受控微分方程在潜空间建模成功轨迹的动态模式，推理时按每步偏离程度给出异常分数以定位错误步骤。仅用 100 条成功轨迹训练，OAT 比基于提示词的基线快 200–5000 倍，在域内和分布外数据集上 F1 分别高出 20% 和 7%。该工作已被 NeurIPS 2026 接收。