NeurIPS 论文 OAT:只学「成功轨迹」即可定位 Agent 失败步骤
SharonYixuanLi · x · 2026-10-24
作者 Sharon Yixuan Li 介绍其 NeurIPS 2026 论文《Tracing Agentic Failure from the Flow of Success》,提出失败归因方法 OAT。
问题背景:LLM agent 跑长任务时，最难的不是判断是否失败，而是定位哪一步出了错(failure attribution)。现有方法成本高:
- 基于 prompt 的流水线让 LLM 读完整条轨迹逐步判断，慢且贵;
- 后训练的归因模型需要逐步骤标注的失败轨迹，收集困难、难扩展。
OAT 的思路:归因模型应轻量化、不需要失败数据的步骤级标注——只从「成功长什么样」学习。训练阶段用神经控制微分方程建模成功轨迹的隐藏路径并重构其表征;推理时对失败轨迹预测一条「期望的成功路径」，用实际表征与期望路径的距离计算异常分数，定位导致失败的步骤。
论文作者来自 UW-Madison 与 Microsoft Research(Samuel Yeh、Yiwen Zhu、Shaleen Deep、Sharon Li)。
「编程与Agent」频道最新
- 免费开源 LLM Dojo 上线:50+ 交互实验、490 道大厂面试题 — sharpeye_wnl · 2026-10-25
- mlx-decision：Mac 上本地跑决策模型，比 PyTorch 快 6 倍 — armbues · 2026-10-25
- 创业团队如何在多个 agent 间共享记忆？ — belhelha · 2026-10-25
- 41 个 beta 迭代后发布 Vibe Monitor：用本地 MCP 给编码 agent 加架构检查点 — Either-Alternative32 · 2026-10-25
- KNOWS 基准实测：最强 computer-use agent 完整成功率仅 3.6% — anmarasovic · 2026-10-25
- 开发者给 Grok 接入热成像和全程摄像头，让 AI 实时监测硬件翻车 — Baconbrix · 2026-10-25