LongRCA Bench：诊断长时程智能体失败中的责任角色与根因
LongRCA Bench: Diagnosing Responsible Roles and Root Causes in Long-Horizon Agent Failures
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者推出 LongRCA Bench，包含来自五个来源的 1,140 条完整失败轨迹，全部人工标注责任角色与最早决定性根因步骤，参考根因距任务完成中位数为 48 步，28.4% 的轨迹后续步骤超过 100 步。在 DeepSeek-V4-Flash 上，五个基线中最强者仅达 13.2% 根因步骤精确准确率；提出的免训练方法 RCTA 将这一指标提升至 24.1%，责任角色准确率达 51.1%。
来源：Hugging Face Daily Papers · arxiv.org