Zwiększanie niezawodności agentów poprzez testy wstrzykiwania błędów i weryfikację
Nowe badania wskazują, że autonomiczni agenci zawodzą w 32,2-67,8% scenariuszy w przypadku awarii narzędzi. Wprowadzono MedToolFault, benchmark do symulacji klas błędów, oraz MedGuard, warstwę weryfikacyjną, która poprawia wskaźnik sukcesu zadań o nawet 46,6 punktu procentowego.