基准
Who&When
用于评估多智能体系统故障归因的数据集,聚焦于定位错误步骤和责任智能体。
时间轴 (近 90 天)
11月13日
在Who&When和LongRCA两个数据集上,跨越五种设置和三个主干模型,CoLFA均取得了最高的精确步骤定位准确率,同时token消耗最低。
待验证50%
用于评估多智能体系统故障归因的数据集,聚焦于定位错误步骤和责任智能体。
在Who&When和LongRCA两个数据集上,跨越五种设置和三个主干模型,CoLFA均取得了最高的精确步骤定位准确率,同时token消耗最低。