深度研究代理何处出错？代理轨迹中的片段级错误定位

深度研究代理通过搜索、工具使用及证据综合等长轨迹解决任务。现有评估仅关注最终答案，无法识别导致不可靠的具体轨迹环节。本文研究片段级错误定位，收集 2790 条真实轨迹并构建 TELBench 基准，标注有害错误片段。提出 DRIFT 框架，以主张为中心追踪代理声明及其证据支持，标记影响答案路径的 unsupported 或冲突片段。实验表明，DRIFT 将片段级错误定位和首次错误准确率最高提升 30%，提供了代理可靠性的过程级视角。