**工具失效时：ToolMaze 基准揭示 LLM 代理动态重规划瓶颈**

_When Tools Fail: Benchmarking Dynamic Replanning and Anomaly Recovery in LLM Agents_

> 现有工具集成推理基准多忽略真实工具故障，ToolMaze 通过有向无环图拓扑复杂度和四类工具扰动，系统考察 LLM 代理的动态路径发现与错误恢复能力。评估发现几乎所有模型在遇到隐性语义故障时性能下降最剧，代理对错误输出过度信任，且模型规模扩大对故障容忍度的提升远慢于基础任务执行，表明动态重规划是单纯扩规模或优化提示无法突破的独立瓶颈。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-08 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.05806)