How Do Agents Fail on AutoResearch: End-to-End Diagnostic Evaluation on 100 Real-World Frontier Research Tasks

• 类型：arxiv
• 标识：2608.14905
• 链接：https://arxiv.org/abs/2608.14905
• 主分类：agent
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：AutoResearchEval, featuring 100 tasks grounded in published frontier science across 7 scientific domains and the full research lifecycle, and ARFT, a framework of 45 empirically-grounded failure patterns to enable scalable fine-grained attribution, are introduced.
• 副分类：evaluation
• 待LLM分类：否
• 标题中文：Agent 在 AutoResearch 上如何失败：100 个真实前沿研究任务的端到端诊断评估
• TLDR中文：本文介绍了 AutoResearchEval，包含 100 个基于已发表前沿科学、覆盖 7 个科学领域和完整研究生命周期的任务，以及 ARFT，一个由 45 个经验驱动的失败模式组成的框架，可实现可扩展的细粒度归因。
• 来源文件：
• /inbox/tom/_candidates/2026-08-18-agent-rag-longcontext-candidates.json
• [S2 enrich]