研究：Agent决策错误多因读对事实后组合失败

Yubo Li等作者发布论文，在冻结的Agent决策状态基准上诊断System One模型的决策失败。研究把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。 结果显示，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模型已正确读取事实之后，且系统越准确，这类错误占比越高；当探针事实足以决定动作时，读对全部事实的模型仍无法组合它们。作者称，用代码组合模型自身的答案可修复这一失败。 该论文为初版，作者称发布以促进公开讨论和分享初步发现，对更多开源System One模型的评估仍在进行。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。