热点事件持续更新
UndoBench：Agent 故障恢复成功率仅 46.7%
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月，一篇 Hugging Face 论文提出 UndoBench 基准，用于评测 agent 在任务执行出错后的撤销与恢复能力。该基准覆盖 8 个企业领域的 36 个基础工作流与 36 个故障场景，测得 agent 的名义任务成功率为 83.54%，而条件恢复成功率（CRSR）仅为 46.72%，显示任务能力与故障恢复能力出现明显分离。论文还发现，朴素重试策略在 53.33% 的配对试验中产生了重复的外部副作用；恢复表现高度依赖故障发生的阶段。使用商用 API 模型进行的扩展实验同样复现了这种“能做任务、难做恢复”的分离现象。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- AGI HuntUndoBench 基准：Agent 任务成功率 83.5%，故障恢复仅 46.7%
HF 论文提出 UndoBench 基准，测得 agent 名义任务成功率 83.54%，条件恢复成功率（CRSR）仅 46.72%。该基准覆盖 8 个企业领域的 36 个基础工作流与 36 个故障场景，朴素重试在 53.33% 的配对试验中产生重复外部副作用。恢复能力高度依赖故障阶段，商用 API 模型的扩展实验也复现了这种能力与恢复的分离。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。