AgentPerturb：LLM Agent 交互扰动鲁棒性评测

2026年10月16日，arXiv Artificial Intelligence 刊出由 Yuanjian Xu 等作者发布的研究，提出 AgentPerturb 框架，用于评估 LLM 智能体在受控交互扰动下的鲁棒性。该框架从扰动目标与扰动类型两个维度系统评估 LLM 智能体的鲁棒性，并在 APEX-Agents 和 Toolathlon 上开展受控评测。作者称，他们用这一二维视角开展统一研究，量化当前前沿模型的鲁棒性、追踪扰动引发失败的机制，并为面向鲁棒性的训练提供启示。关于代码与数据，论文表示将在指定链接发布（Code and data will be released at this https URL）。截至该报道，事件进展为框架与评测流程的提出及评测结果披露，代码与数据尚未见已发布的说明。

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。