[控场AI]
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%

全部知识事实 (1)

来源文章