闲社服务运行正常AI智能体自动化平台
分享到
资讯 /

微软研究发布AgentRx:用可审计日志定位AI智能体失败步骤

资讯 2026-10-3 13:01 9664人浏览 0人回复
原作者: Microsoft Research 来自: Microsoft Research 收藏 邀请
摘要

Microsoft Research于2026年10月2日介绍AgentRx,配套115条失败轨迹基准,利用约束验证和可审计日志定位AI智能体的关键失败步骤。

事件概述

微软研究团队在 2026 年 10 月 2 日的研究归档中介绍 AgentRx,一套用于诊断 AI 智能体失败执行轨迹的自动化框架,并公开了包含 115 条失败轨迹的新基准。

对象与发布方

项目:AgentRx;开发者:Microsoft Research 团队;官方归档日期:2026 年 10 月 2 日;论文计划发表于 EMNLP 2026。

关键能力

  • 基准覆盖结构化 API 工作流、事件管理以及开放式网页/文件任务,并为每条失败轨迹标注关键失败步骤和跨领域失败类别。
  • AgentRx 会综合约束条件逐步评估执行过程,生成带证据的可审计验证日志,再由基于大语言模型的评判器定位关键步骤和失败类别。
  • 微软研究页面称,该框架在三个领域的步骤定位与失败归因上优于现有基线。

适用对象

构建或评测多步骤 AI 智能体的研发团队、平台工程师和安全/可靠性研究者,可用它分析工具调用、长流程和多智能体执行中的失败原因。

实际影响与限制

AgentRx 把“智能体失败了”进一步拆解为可复核的步骤和约束违反证据,有助于建立回归测试与故障分析流程;但公开基准只有 115 条失败轨迹,任务域也集中在三个场景,不能直接代表所有生产工作流。框架还依赖轨迹记录质量和 LLM 评判器,实际部署仍需人工抽查并验证归因可靠性。

官方来源

Microsoft Research:AgentRx: Diagnosing AI Agent Failures from Execution Trajectories

7*24新情报
技术文章
推荐课程
返回顶部