研究者提出ARTIS智能体风险感知框架

Xingshan Zeng等作者提出ARTIS框架，通过模拟交互将探索与承诺解耦，让智能体在真实执行前扩展推理时计算，以提升动作级可靠性且不引入环境风险。 该框架还引入风险感知工具模拟器，通过定向数据生成和重平衡训练，强化对失败诱发动作的保真度。多轮与多步智能体基准实验显示，迭代仿真显著提升智能体可靠性；作者称，风险感知仿真对跨模型和任务稳定获得这些收益至关重要。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。