AI 日刊 · 2026年9月19日

Agent 这次做对了，下次还会吗？先量一致性缺口，再写指南

2026年9月15日 · Hugging Face Blog · 来源

IBM Research：GPT-4.1 ReAct 在 AppWorld 上 Mean@5 达 77.4%，五次全过只有 53%。一致性分析器找出易翻转步骤，注入指南后缺口从 24.4 降到 12 个百分点。