arXiv Artificial Intelligence· Shan Peng, Shuaiqi Cheng, Miao Peng, Chenyi Zi, Jia Li·2026-10-26 12:00· 2 小时前AI 评分42

DMAIC-Bench：面向多阶段分析任务中智能体的自我反思与自我约束评测

DMAIC-Bench: From Self-Reflection to Self-Restraint for Agents in Multi-Stage Analytical Tasks

AI 导读

DMAIC-Bench 用 97 个种子任务、覆盖 4 个行业 15 个工业案例，评测 LLM 智能体在多阶段分析中能否依据中间证据决定继续、转向或停止。