FALAT：通过依赖引导搜索追踪 LLM 智能体轨迹中的故障

基于大语言模型的智能体常通过长轨迹解决复杂任务，但故障归因困难，因错误会在轨迹中传播。本文提出 FALAT 框架，将归因建模为依赖引导的搜索问题。该方法首先构建任务预期解以识别可疑区域，随后追踪决策、工具输出及消息间的依赖关系，区分引入错误的步骤与仅传播错误的步骤。实验表明，FALAT 在 Who&When 基准上显著提升了责任智能体与关键故障步的归因准确率，证明依赖感知推理对诊断至关重要。