读对却做错：System One 模型在 Agent 循环中的决策失败诊断

研究在冻结的 Agent 决策状态基准上，将每个下一步动作问题与同一状态的事实探针配对独立作答，覆盖模拟环境、客服策略、工具使用、网页导航和编程。在十七个快速系统和一款推理模型上，多数错误动作发生在正确读取之后，且系统越准确，这类错误占比越高。当探针事实可证明决定动作时，读对全部事实的模型仍无法组合它们，而用代码组合模型自身答案可修复该失败。