From Anomalies to Failures: Constructing Causal Error Graphs for Agentic Trace Diagnosis

arXiv cs.AI · 29 sept, 06:00

Investigadores presentan CEG-Agent, una herramienta para diagnosticar fallos en agentes impulsados por modelos de lenguaje (LLM) mediante la construcción de grafos de errores causales (CEGs). El trabajo introduce una taxonomía explícita de anomalías, errores y fallos, y propone un protocolo de validación mediante adjudicación adversarial agentica (AAAP) para evaluar la fiabilidad del diagnóstico.