RetryBench：区分GPT工具调用中的重试许可与恢复结果

论文提出RetryBench，将重试许可与恢复结果分开评估。

资讯摘要

论文提出RetryBench，用于区分智能体在工具调用超时后无可见契约支持却重试的“错误重试许可”（FRP）与实际恢复结果，并指出成功恢复不等于能可靠拒绝无依据重试。作者报告在720条响应控制中，Sol、Terra、Luna对变更密钥分别出现1/80、55/80、60/80次无支持重试；移除候选密钥后Luna仍有8/80次。

要点速读

1. 论文将FRP定义为智能体在可见契约不支持时重试超时工具调用，并将其与已实现的恢复分开评估。
2. 720条响应控制中，有效密钥通常带来安全推进，但变更密钥引发Sol 1/80、Terra 55/80、Luna 60/80次无支持重试。
3. 后续240条响应控制要求模型自行提供密钥，Luna仍出现8/80次无支持派发，Sol与Terra各80条中为零。

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 2026/10/24 08:00:37（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。