摘要
针对 LLM Agent 故障难以调试且错误显现步非根源步的问题,本文提出 AgentDebugX,一个包含检测、归因、恢复与重跑的闭环调试框架。其核心 DeepDebug 通过全局轨迹理解与交叉质询进行多轮根因诊断。实验表明,该方法在归因准确率及 GAIA 基准的任务修复率上均显著优于现有基线,有效提升了 Agent 的整体准确性。此外,该工具提供多种接口及可选的错误枢纽,支持将调试经验转化为记忆复用。
AI 推荐理由
论文核心在于 Agent 的自我诊断、归因与修复闭环,直接对应自我改进与自适应进化机制。
研究机构
University of Illinois Urbana-Champaign
Google
Stanford University
论文信息