Dream2Discern运行时故障预测方法发布

2026年10月15日，arXiv Artificial Intelligence 刊出 Boxuan Zhang 等人的研究，提出并发布 Dream2Discern 运行时审计器方法，用于预测多智能体系统的运行时故障。报道称，该方法通过自身预测损失引导的隐式增强来训练：Dream 阶段扰动表征算子生成困难潜变量变体，Discern 阶段用原始标签从变体学习预测执行结果，变体随训练再生，无需额外采集轨迹或验证结果。在 AFTraj-2K 和 StepShield 上，其轨迹级加权准确率均超过 90%，优于同类故障审计器，并兼顾预测准确性与及时性。目前进展为方法发布与基准评测结果公布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。