arXiv cs.AI· Wenshuo Zhang, Yuquan Lin, Yushi Sun, Yishi Lin, Rui Sheng, Peng He, Han Gao, Wang Jikai, Yifeng Rong·· 1 天前AI 评分39
RITE：评估电商智能体系统对静默工具错误的端到端韧性
RITE: Evaluating End-to-End Resilience to Silent Tool Errors in E-Commerce Agentic Systems
AI 导读
arXiv 论文提出 RITE 基准，评估 LLM 智能体在电商多步工具调用中对静默错误的端到端韧性。基准基于人工编写的工业工作流与生产日志输入，含 167 个匹配单元、九个电商工作流，共 501 个静默错误、正确值与显式失败实例。测试 10 个近期 LLM 显示，静默错误大约使任务成功率减半，且比显式失败更难应对；作者还提出轻量 State Checker 干预以检验能否提升韧性。
来源：arXiv cs.AI · arxiv.org