arXivLabs 是一个框架,允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。
有一个可以为 arXiv 社区增加价值的项目想法吗?了解更多关于 arXivLabs 的信息:https://info.arxiv.org/labs/index.html。


AgentDebugX是一个开源调试框架,将LLM智能体调试组织为"检测-归因-恢复-重跑"闭环。其核心DeepDebug在Who&When基准上对qwen3.5-9b达到精确...
AgentDebugX是一个开源调试框架,将LLM智能体调试组织为"检测-归因-恢复-重跑"闭环。
其核心DeepDebug在Who&When基准上对qwen3.5-9b达到精确的智能体与步骤归因准确率,在GAIA上单次重跑即可修复失败任务。 该工具提供Python库、CLI、Web控制台和可安装的智能体技能。
arXivLabs 是一个框架,允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。
有一个可以为 arXiv 社区增加价值的项目想法吗?了解更多关于 arXivLabs 的信息:https://info.arxiv.org/labs/index.html。


arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs :https://info.arxiv.org/labs/index.html.


来源摘要将AgentDebugX描述为面向LLM智能体的开源调试框架,采用“检测、归因、恢复、重跑”闭环,并称其提供Python库、CLI、Web控制台及可安装的智能体技能。
标题与摘要聚焦AgentDebugX及其调试能力,但正文摘录实际介绍的是arXivLabs协作框架,未出现AgentDebugX、DeepDebug、Who&When、GAIA或相关实验细节。
Aioga判断,现有材料存在摘要与正文摘录不对应的问题。摘要中的模型、基准、归因准确率和单次重跑修复等表述,尚缺少正文证据支持,不宜据此扩展结论。
若摘要信息准确,该框架可能为智能体故障定位和失败任务恢复提供统一工作流;但在论文正文、代码仓库或实验数据得到核验前,其实际效果与适用范围仍无法确认。 建议补充并核对论文摘要、方法章节、实验表格和开源仓库,确认DeepDebug、qwen3.5-9b、Who&When及GAIA相关表述,再决定是否发布性能结论。
本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。
抓取通道: 摘要聚合 · 原始域名: arxiv.org
来源: HuggingFace Daily Papers(社区热门论文)
原文链接: 打开原始来源
Aioga 归档: 查看情报页
Content record: source-page · Updated: 2026-07-21T00:00:00.000Z

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.comAioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。