AppWorld

代理一致性：Hugging Face提出新诊断与指南

Hugging Face 介绍 Consistency Analyzer 与 consistency guidelines，诊断并减少代理在重复运行中出现的不稳定性。论文指出 GPT‑4.1 在 AppWorld 上平均成功率77.4%，但仅有53.0%任务在5次重复中全胜，揭示高达24.4个百分点的一致性差距；新方法能显著提升一致性。