AgentRx，相对提示基线
+23.6个百分点失败定位准确性提升
- 范围
- 115条人工标注失败轨迹
- 配置
- 研究所报诊断流程与提示基线
- 运行日期
- 原文未披露，不能以核查日代替
- 报告日期
- 2026-03-12
- 原文位置
- Microsoft Research / Key Results
是诊断准确性差值，不是任务成功率或修复成功率。
Microsoft Research / 任务基准
AgentRx
Agent失败定位和根因诊断
证据条件
- 版本
- 2026-03-12
- 资料开放性
- 公开失败轨迹
- 来源家族
- Microsoft Research
- 下次复核
- 2026-11-26
- 本站复现
- 未运行；引用外部研究
阅读限制
这份证据还不能证明
115条失败轨迹；诊断准确性不等于修复成功
同一实验的论文、博客和转载按一组来源计算。本站任务适配属于分析判断，不代表上游测试了本站任务。
外部结果快照
保留原指标，不作跨基准总排名关联的工作任务
以下为部分覆盖或方法关联，尚未完成逐题对应。
评测工具Agent，定位失败与回归
标准：工具Agent评测与回归诊断分层评测 · 故障归因 · 修复与回归
人的责任审验收定义、上线范围、归因不确定
基础草案3条验收门槛 · 5组相关来源