PulseAugur
中
实时 18:04:52
实体 Silent-error Resilience Task

Silent-error Resilience Task

PulseAugur coverage of Silent-error Resilience Task — every cluster mentioning Silent-error Resilience Task across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_312329 ·

    新的RITE基准测试LLM代理对静默错误的韧性

    研究人员推出了RITE,这是一个旨在评估大型语言模型代理在电子商务工作流程中对静默错误韧性的新基准。这些静默错误发生在工具返回一个看似合理但错误的值而没有明确失败时,它们会通过多步过程传播,并将任务成功率减半。RITE基准测试基于工业工作流程和生产日志构建,将语义错误注入固定的工作流程前缀以测试代理性能。研究结果表明,静默错误比明确的失败更具破坏性,识别、验证和证据整合对代理韧性构成了连续的瓶颈。提出的“状态检查器”干预措施旨在提高这种韧性。