English(EN) RetryBench: Separating Retry Permission from Recovery Outcomes in GPT Tool Use

新的基准测试RetryBench探究LLM工具使用的可靠性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

一篇新的研究论文介绍了RetryBench，这是一个旨在评估大型语言模型在使用工具时区分有效重试权限和实际恢复结果的能力的基准测试。研究发现，Sol、Terra和Luna等模型在虚假重试权限方面存在问题，即使合同未明确允许，也会尝试重试工具调用。研究表明，将重试权限和恢复结果一起报告对于理解和提高LLM工具使用的可靠性至关重要。 AI

影响强调了在工具使用场景中提高LLM可靠性的一个关键领域，可能影响代理开发和安全性。

排序理由该集群包含一篇在arXiv上发表的研究论文，详细介绍了用于评估LLM工具使用的新基准测试。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 6 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇在arXiv上发表的研究论文，详细介绍了用于评估LLM工具使用的新基准测试。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · You Liu, Yue Liu, Quanchao Lu · 2026-10-15 04:00

RetryBench：在 GPT 工具使用中将重试权限与恢复结果分开

arXiv:2610.15884v1 Announce Type: new Abstract: False retry permission (FRP) occurs when an agent retries a timed-out tool call without support from the visible contract. RetryBench separates this error from realized recovery. Successful protected recovery does not imply reliable…

本文如何被排名

报道来源 [1]

RetryBench：在 GPT 工具使用中将重试权限与恢复结果分开

相关实体

相关话题