arXiv Artificial Intelligence· Chiming Duan, Tong Jia, Yingxi Chen, Minghua He, Lingzhe Zhang, Ying Li·· 19 小时前AI 评分45
LLM 智能体错误与自恢复实证研究：何时该干预？
When to Intervene? An Empirical Study of Errors and Self-Recovery in LLM Agents
AI 导读
研究构建 ReInBench 数据集，含 1,259 条智能体轨迹和 1,403 个错误事件，覆盖 computer-use 与 Web 任务。其中 725 个错误事件可自恢复，且多在数步内完成，自恢复表现随执行 LLM 不同而异，并能帮助应对后续同类错误、支撑任务完成。基于此提出的 ReCoF 预测错误能否自恢复，在 ReInBench 上 Macro-F1 较最强基线平均相对提升 9.02%。
来源：arXiv Artificial Intelligence · arxiv.org