От доказательств к действию: как терпят неудачу агенты, использующие инструменты

Статья изучает, как агенты, использующие инструменты, терпят неудачу в цепочке доказательств-действий, выявляя, что неудачи часто происходят до выполнения из-за незавершенного исследования или действий без необходимых доказательств. Даже после получения доказательств многодейственные рабочие процессы сталкиваются с проблемами нерешенных предварительных условий и незавершенного выполнения. Исследование представляет SafeActBench, тестовую установку с 656 случаями в шести доменах, для анализа этих неудач.