4.2 Reliability 不等于成功率：12 指标拆出 consistency / robustness / predictability / safety（⭐⭐⭐⭐⭐）

  • 类型：arxiv
  • 标识：2602.16666
  • 链接：https://arxiv.org/abs/2602.16666
  • 主题：agent, engineering, evaluation, llm-infra, rag, risk
  • 主分类：risk
  • 形态：method
  • 被引：45
  • 被引来源：Semantic Scholar
  • S2被引：45
  • OpenAlex被引：2
  • 影响力被引：5
  • TLDR：This work proposes twelve concrete metrics that decompose agent reliability along four key dimensions: consistency, robustness, predictability, and safety, which complement traditional evaluations while offering tools for reasoning about how agents perform, degrade, and fail.
  • OpenAlex ID：W7130615426
  • OpenAlex DOI：10.48550/arxiv.2602.16666
  • DOI：10.48550/arxiv.2602.16666
  • DOI来源：OpenAlex
  • OpenAlex Venue：Open MIND
  • Venue：Open MIND
  • Venue键：other
  • Venue来源：OpenAlex
  • 开放获取：green
  • OpenAlex更新：2026-07-19
  • 标题中文：4.2 Reliability 不等于成功率：12 指标拆出 consistency / robustness / predictability / safety（⭐⭐⭐⭐⭐）
  • TLDR中文：本工作提出 12 个具体指标，从一致性、鲁棒性、可预测性和安全性四个关键维度分解 Agent 可靠性，可与传统评估互补，并提供用于分析 Agent 表现、退化与失败方式的工具。
  • 副分类：agent
  • 待LLM分类：否
  • 来源文件：
  • /inbox/spark/2026-06-10-agentic-rag-runtime-reliability.md
  • [S2 enrich]
  • [OpenAlex backfill]

可复用信息

    • 可信度判断：高（论文原文可得，论点清楚，带实验）
    • 是否需要进一步核验：
    • 是；要核对代码是否公开、是否有 GitHub repo、是否有更细 latency/cost 表；
    • 还需和 Tom 草稿中的证据完整性/graph-based 路线对照，判断它是替代还是互补。
    • 标题：Towards a Science of AI Agent Reliability
    • 来源：arXiv / Hugging Face Papers
    • 链接：
    • arXiv: https://arxiv.org/abs/2602.16666

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集