论文提出前缀可执行性评测协议，评估工具调用智能体可靠性
热点事件持续更新
论文提出前缀可执行性评测协议，评估工具调用智能体可靠性
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
一篇已被 NeurIPS 2026 接收的论文提出 prefix executability，一种针对工具调用智能体的轨迹级评测协议：检验智能体预测的每个工具调用前缀在工具 schema、状态前置条件和数据依赖下是否可执行，并以 PEC、FED、TER、AUC-PEC 和 Recovery Rate 等指标汇总可靠性。核心发现是仅按最终成功率排名会与按前缀级可靠性排名出现分岔，即两个都可能通过的智能体在实际执行稳定性上不同。 作者在 BFCL-v3 多轮和 ToolSandbox 的分层抽样，以及 τ³-bench 的 Airline/Retail 完整 base split 上做了实验，还发现显式的预执行计划检查可提升可执行前缀的存活率。论文共 21 页，arXiv 编号 2610.40444。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 00:58
Prefix Executability 评测协议论文：在最终成功之外评估工具调用智能体报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · cs.CL精选Prefix Executability 评测协议论文：在最终成功之外评估工具调用智能体
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。