审计发现Agent工具交互91起静默失败

一项针对 ToolUniverse 环境中 15 个科学工具的审计研究，在 agent 与工具的交互链中发现了 91 起“静默失败”：工具调用看起来成功，但通过 API 或 wrapper 返回的信息或功能不完整甚至缺失，且没有向用户或 agent 发出任何通知。这些失败集中在 API 层（52 起）和 wrapper 层（25 起），并可能向下游放大，最终产出看似有效的科学结果。 作者据此提出“上下文可靠性”概念，并建议建立测试、披露和监控机制。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。