拿到错误工单时,网络排障智能体对多达 24% 的健康网络作出了错误诊断,工单措辞本身就让准确率变动多达 14.5 个百分点

事件日期 / 报道日期

2026-08-27

证据阶段

技术能力演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

关联任务

排障与断网

发现故障,查明断网的根本原因,恢复服务。

正在被增强✓ 有证据支撑

适用范围

这是一项基准:在八种网络拓扑上有 200 个排障场景,包括虚假的故障报告和错误的根因说法,测试了三个智能体。论文报告:智能体在准确的工单上已接近满分,但对多达 24% 的健康网络作出了错误诊断,仅工单的措辞就能让诊断准确率变动多达 14.5 个百分点。它测的是仿真实验室网络,由大语言模型评分。

这意味着什么

工单对的时候智能体表现很好,工单错的时候就很差 —— 而真实的工单常常是错的。判断什么都没坏,仍是工程师的判断。

还不能说明什么

这是用自动评分的实验室基准;没有测量真实运营。

你可以核实什么

打开 arXiv 2608.27021(FaulT-Bench),找到 "falsely diagnose up to 24% of healthy networks"。

是否改变评估

否 —— 这个阶段本身也不移动评估。「技术能力」是真实的证据,但它不单独提升任务判断的层级。上面 1 项关联判断维持原状。

来源

一手来源 —— 由做这件事的当事人或记录的权威机构发布,无需联署。