Who&When Pro：LLM 能否真正归因 AI 智能体的失败？

研究者推出 Who&When Pro，一个面向智能体系统自动化失败归因的大规模基准。基准通过严格受控流水线，在完整重放成功前缀后才注入失败，构建了覆盖 3 种模态、26 个 benchmark 的 12,326 条带黄金标签的失败轨迹。实验还揭示了模型在不同模态、协议与模型族间归因失败的系统性模式，为后续自动化失败归因系统提供经验指引。