根本原因歸因實為搜尋問題：針對長期 Agent 失效的持續搜尋法
為何重要
這項研究證明瞭 Agent 在長期任務中的「可靠性」瓶頸在於診斷架構，而非單純的模型引數。對產業而言，這意味著「Agent 可觀察性」工具與 middleware 將成為比擁有更大模型更關鍵的利基市場；工程師可以利用這類順手的中介層架構，顯著提升舊有模型的產品穩定性，而無需強迫客戶升級至最高階模型。
隨著 AI agents 參與長期任務，龐大的執行日誌使得自動化根本原因歸因 (RCA) 成為確保系統可靠性的關鍵，但現有 LLM 方法因證據稀疏且分散，難以有效診斷。研究人員指出現有 RCA 依賴單次判斷，容易過早妥協於似是而非的診斷。
- 研究提出
Continual Search，這是一個迭代框架，反覆 nudges 判斷者搜尋未解決的證據，以修正單次判斷的盲點。 - 為了評估此方法，研究團隊推出新基準
MegaRCA-Mix，包含 50 個針對長期、執行密集型任務的人類標記錯誤案例。 - 在此基準上，
Continual Search將 GPT-5.5 的 F1 分數從 0.349 提升至 0.498，增幅超過 40%。 - 研究發現，「搜尋策略的效能」能超越「模型規模」的優勢，即使較低階模型亦能透過有效搜尋擊敗高階模型。