结构基线对智能体失败检测与归因的影响

针对 LLM 智能体静默失败，一项 arXiv 研究指出失败检测与归因任务上的大量性能来自无需模型的规律：失败运行更长，被标注为决定性的步骤通常是最后一步，一条"总选最后一步"的规则无需读取运行内容即可达到 67% 至 96% 的准确率。