美团小团工具型智能体双时间尺度诊断评估框架ATLAS

美团提出ATLAS双时间尺度诊断评估框架并已在小团全量上线。

资讯摘要

论文提出ATLAS，一个面向工业级工具调用智能体的双时间尺度诊断评估框架。轮内评估利用思考、反思、工具与技能执行及回复生成等轨迹信号定位执行失败；跨轮评估则跨多个生命周期诊断用户意图、约束与纠正的维护问题。框架结合规则检查与LLM评判，并用业务日志校准评判器、蒸馏出紧凑诊断模型。作者报告该框架已在美团小团落地，盲审与14天在线A/B测试显示推荐相关性、事实可靠性、用户参与度与订单量均有提升。

要点速读

1. ATLAS分轮内与跨轮两个时间尺度：轮内看思考、反思、工具与技能执行及回复生成，跨轮看多生命周期中的用户意图、约束与纠正维护。
2. 细粒度信号由规则检查与LLM评判共同产生，评判器以业务日志动态维护的参考进行校准，并蒸馏为紧凑诊断模型。
3. 作者报告在美团小团（百万级DAU）完成盲审与14天在线A/B测试，答案阅读率+2.84%、付费订单+6.13%，并已全量上线。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。