Failure-Transparent Agents: Benchmarking Post-Failure Reporting in Tool-Using Language Models

arxiv · arXiv · 2026-09-29 01:51 · 评分 78

研究推出 Failure-Transparent Agents（FTA）基准，包含100个确定性失败任务，将工具失败与报告失败解耦，可审计模型在证据不足时是否虚报成功。