IBM 和 UC Berkeley 利用 MAST 诊断 IT 智能体故障
ibm和uc berkeley将mast分类法应用于310条涉及gemini-3-flash、kimi-k2和gpt-oss-120b的itbench轨迹。分析显示前沿模型故障模式独立，而开源模型遭遇级联故障。错误的验证是所有模型中最强的故障预测指标。
IBM Research 和 UC Berkeley 使用 MAST（Multi-Agent System Failure Taxonomy，多智能体系统故障分类法）分析了 ITBench 中的 310 条跟踪记录，以诊断 IT 自动化中基于智能体的系统为何失败。研究发现，像 Gemini-3-Flash 这样的前沿模型通常会遇到孤立的瓶颈（2.6 种故障模式/跟踪），而像 GPT-OSS-120B 这样的大型开放模型则会遭受复合错误（5.3 种故障模式/跟踪）。
跨所有模型类别最常见的故障模式是 FM-3.3（错误验证），智能体在未检查真实性的情况下宣布胜利。Kimi-K2 特别表现出 46% 的过早终止激增。为了缓解这些问题，研究人员建议外部化验证，将终止逻辑移出 LLM，并强制对模糊输入进行澄清。