IBM 和 UC Berkeley 利用 MAST 診斷 IT 智慧體故障
ibm和uc berkeley將mast分類法應用於310條涉及gemini-3-flash、kimi-k2和gpt-oss-120b的itbench軌跡。分析顯示前沿模型故障模式獨立，而開源模型遭遇級聯故障。錯誤的驗證是所有模型中最強的故障預測指標。
IBM Research 與 UC Berkeley 使用 MAST（Multi-Agent System Failure Taxonomy，多智能體系統故障分類法）分析了 ITBench 中的 310 個跟踪記錄，以診斷 IT 自動化中基於智能體的系統為何失敗。研究發現，像 Gemini-3-Flash 這樣的前沿模型通常會遇到孤立的瓶頸（2.6 個故障模式/跟踪），而像 GPT-OSS-120B 這樣的大型開放模型則會遭受復合錯誤（5.3 個故障模式/跟踪）。
跨所有模型類別的最常見故障模式是 FM-3.3（錯誤驗證），智能體在未檢查真實性的情況下聲稱勝利。 Kimi-K2 特別表現出 46% 的過早終止激增。為了緩解這些問題，研究人員建議外部化驗證，將終止邏輯移出 LLM，並強制對模糊輸入進行澄清。