כתבה
arXiv cs.AI ·
DCFA: ייחוס סיבתי משופר לניתוח כישלונות במערכות רב-סוכנים
DCFA: Dual-view Causal-inspired Attribution for Failure Reasoning in LLM-based Multi-agent Systems
DCFA הוא כלי ייחוס סיבתי שמשפר את ניתוח הכישלונות במערכות רב-סוכנים המבוססות על מודלי שפה גדולים. הוא משלב מודול גלובלי ומודול מקומי כדי לזהות את הסיבה הראשונית לכישלון. ניסויים על בנך' Who&When הראו ש-DCFA משפר את דיוק הניתוח בעד 8.27%.
תקציר מקורי באנגליתarXiv:2609.04749v1 Announce Type: new Abstract: Large language model (LLM)-based multi-agent systems have experienced rapid growth in recent years. Despite their promise, such systems remain fragile, frequently exhibiting reasoning and coordination errors that can lead to system-level failures. Failure attribution in such systems relies on tracing natural language interactions among agents to identify the decisive error, which refers to the earliest action whose correction can reverse system failure. There are two key challenges: 1) Shallow attribution: Existing methods often capture only minor deviations, such as incomplete retrievals or formatting errors, which verification mechanisms can correct, while missing the decisive cause of system failure. 2) Contextual degradation: As the lengt
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית