论文提出可执行前缀值定位代理失败

一篇 arXiv 论文提出用"可执行前缀值"区分 LLM 智能体失败轨迹中的原因与症状：从失败轨迹的中间状态重启智能体，估计每一步的 prefix value V(h_t)（从该步起最终成功的概率），并给出经验证的失败不可返回点（PNR）。作者 Bingyu Shen 等称，这样可以把"标签指向原因还是症状"变成可执行的判断。 作者在 SWE-bench Verified 的 150 个任务、两个冻结的开源权重智能体上验证该方法，为 47 条和 60 条失败轨迹构建了此类曲线，并检查四个前沿评审模型按 Traverse 规则标注的每一步。代码、曲线和标注均已公开。

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。