LLM智能体失效分类综述
dair_ai · x · 2026-07-08
牛津大学的一篇综述整理了 27 篇关于 LLM agent 的 benchmark、taxonomy 和审计论文，覆盖 19 个基准，尝试建立一个跨评测的统一失败分类框架。 文章总结出 6 类常见失效：工具调用与参数错误、规划与约束满足失败、长上下文累积导致的长程退化等，指出很多 agent 在不同评测里会反复出现相似问题。
dair_ai · x · 2026-07-08
牛津大学的一篇综述整理了 27 篇关于 LLM agent 的 benchmark、taxonomy 和审计论文，覆盖 19 个基准，尝试建立一个跨评测的统一失败分类框架。 文章总结出 6 类常见失效：工具调用与参数错误、规划与约束满足失败、长上下文累积导致的长程退化等，指出很多 agent 在不同评测里会反复出现相似问题。