ToolUniverse审计发现91个静默失败

研究团队对ToolUniverse环境中15个科学工具的智能体—工具交互链进行审计，发现91个经人工验证的“静默失败”：工具看似调用成功，但信息或功能缺失，且不通知用户或智能体。 据作者Devansh Singh等人在论文中报告，这些失败中最常见的是数据或字段缺失，以及搜索、筛选或排序标准不一致；多数发生在API与wrapper层。 该研究已被NeurIPS 2026的GenAI4Health和AgenticLS两个研讨会接收。上述91个失败为作者基于LLM候选发现与自动化测试后人工验证的结果，反映的是其审计范围内的情况。

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。