arXiv cs.AI· Chaoran Chen, Vy Nguyen, Ziji Zhang, Abhinav Gullapalli, Ziyi Wang, Yuxuan Lu, Dakuo Wang, Jing Huang, Zhou Yu, Jin Lai·· 3 天前AI 评分41
Bench2Robust：面向工具调用智能体的场景可控恢复框架
Bench2Robust: Scenario-Controlled Recovery for Tool-Using Agents
AI 导读
研究团队提出 Bench2Robust 框架，通过场景可控的可解性为现有基准加入需重试原路径、切换备用工具或判定无可行路径的任务，从而将恢复策略质量与故障随机性分离。
正文 · AI 翻译
摘要：使用工具的 LLM 智能体通常在具有可靠工具的可控环境中开发和后训练，但部署会使它们面临工具故障、API 和模式漂移以及开发者无法控制的第三方服务。我们提出了 Bench2Robust，一个用于场景控制可解性的框架，它通过增加需要重试原始路径、切换到回退等效工具或识别出不存在可行路径的片段来增强现有基准。通过控制可恢复性，Bench2Robust 将恢复策略质量与故障持续或解决的随机性区分开来。在来自 4 个家族的 7 个模型以及涵盖客户服务和函数调用基准的 10 个任务/领域切片中，70 个模型-子集对中有 69 个在工具故障下性能下降，降幅最高达 46.7 个百分点。我们提出了贝叶斯工具记忆（BTM）用于结构化运行时恢复上下文，并使用强化学习（RL）来学习恢复行为。在使用基准原始工具集的留出 Retail 任务上，BTM 无需重新训练即可将鲁棒性提高 16.8 个百分点，而 RL 在没有推理时 BTM 的情况下仍保持 6.3 个百分点的提升。将 RL 与 BTM 结合，相比基础模型提升了 20.7 个百分点，同时保持干净性能。这些结果表明，鲁棒的工具使用受益于将结构化运行时恢复上下文与学习到的恢复行为相结合。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2608.11977 [cs.AI] |
| （或 arXiv:2608.11977v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.11977 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Chaoran Chen [查看电子邮件]
[v1]
2026年8月12日星期三 12:08:39 UTC（35 KB）
[v2]
2026年10月11日星期日 18:26:23 UTC（367 KB）
来源：arXiv cs.AI · arxiv.org