**TraceTrial-Bench：首个 AI Agent 框架可靠性基准与故障归因系统**

_Trial by Trace: Benchmarking AI Agent Harnesses for Reliability and Failure Attribution_

> 针对现有评估忽视 AI Agent 框架（Harness）可靠性的问题，研究提出了 TraceTrial-Bench 基准。该基准通过轨迹追踪（TT）和多源证据采集（MEA）模块，结合两层评估框架，对 4 个框架在 95 项任务上的表现进行量化，并实现了细粒度的故障归因。结果显示，尽管 31.1% 的任务运行成功，但仍有相当比例存在框架层面的失败，揭示了框架设计与模型行为间的复杂互动。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.32285)