UndoBench: Chia tách năng lực nhiệm vụ từ khả năng phục hồi trong các agent AI sử dụng công cụ

Đoạn trích bài viết

Các agent AI sử dụng công cụ ngày càng được triển khai trên các hệ thống phần mềm doanh nghiệp, tuy nhiên bài đo chuẩn được sử dụng rộng rãi chủ yếu đánh giá việc hoàn thành nhiệm vụ danh nghĩa, kết hợp năng lực lập kế hoạch cơ bản với phục hồi lỗi hoạt động.