**UndoBench:解耦工具型AI智能体的任务能力与故障恢复能力** _UndoBench: Separating Task Competence fro
原帖
**UndoBench:解耦工具型AI智能体的任务能力与故障恢复能力**
_UndoBench: Separating Task Competence from Recovery Capability in Tool-Using AI Agents_
> HuggingFace社区热门论文提出UndoBench基准,旨在区分AI智能体的基础任务规划能力与操作故障恢复能力。该基准涵盖8个企业领域的72个场景,通过反事实配对试验发现,尽管名义任务完成率高达83.54%,但条件恢复成功率仅为46.72%,且简单重试常导致重复副作用。研究揭示了恢复能力具有阶段依赖性,指出仅评估名义完成度会掩盖自主智能体在部分变更及提交后阶段的关键恢复漏洞。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-06 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.05622)