作者测试
jev-agent-failure-benchmark
为多 Agent 失败记录归因
这个项目怎样使用 Jev
- 输入
- 失败轨迹与候选 Agent、步骤、错误类型
- Jev 判断
- 责任 Agent、关键步骤与错误类别
- 代码执行
- 官方评分器统计预测结果
验证边界
作者使用注入错误的数据集；部分对照是论文结果，Who/When 的受限选择与自由生成任务并不等价。
本站未运行该项目；作者报告的能力与结果不等于本站复测结论。
作者测试
为多 Agent 失败记录归因
作者使用注入错误的数据集；部分对照是论文结果，Who/When 的受限选择与自由生成任务并不等价。
本站未运行该项目；作者报告的能力与结果不等于本站复测结论。