基于轨迹驱动模拟的通用任务多模型智能体 AI 系统特征分析

智能体 AI 通过基于观察结果的迭代规划、工具使用和推理来完成任务。尽管其日益流行，但由于执行的高度非确定性、高昂的评估成本以及对专有模型内部机制的缺乏了解，其系统级行为仍知之甚少。本文提出了 GAIATrace，这是首个包含两个最先进智能体系统（MiroThinker 和 OWL）在 GAIA 基准上运行的 token 级轨迹数据集。该数据集捕获了完整的推理 token、任务层级结构及主要大语言模型的活动，支持深入的系統研究。此外，本文还推出了 Vidur-Agent，一个基于轨迹驱动的模拟器，可重放 GAIATrace 以在不同模拟环境中进行可重复、低成本的系统评估。利用这两项成果，我们刻画了现代智能体系统如何处理通用任务，并揭示了系统设计选择对其行为的影响。