arXiv · cs.CL· Amir H. Rezaeian·· 15 小时前精选AI 评分56
Prefix Executability 评测协议论文：在最终成功之外评估工具调用智能体
Prefix Executability: Evaluating Tool-Using Agents Beyond Final Success
来源与原文
arXiv · cs.CL
作者：Amir H. Rezaeian
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.40444v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 prefix executability，一种轨迹级评测协议，检验智能体预测的工具调用序列每个前缀在工具 schema、状态前置条件和数据依赖下是否可执行，并用 PEC、FED、TER、AUC-PEC 和 Recovery Rate 汇总可靠性。作者在 BFCL-v3 多轮、ToolSandbox 抽样及 τ³-bench 的 Airline/Retail 完整 base split 上实验，发现仅看最终结果的排名与前缀级排名会分岔，显式预执行计划检查可提升可执行前缀存活率。论文共 21 页，已被 NeurIPS 2026 接收，链接 https://arxiv.org/abs/2610.40444。
推荐理由
论文提出用轨迹前缀可执行性补足最终成功率指标，在 BFCL-v3 等基准上给出了两种排名分岔的具体证据。
来源：arXiv · cs.CL · arxiv.org