軌跡層級評估

深度分析

多模態搜尋代理的「沉默失敗」：表面正確答案隱藏六類軌跡層級錯誤

多模態代理式搜尋系統仰賴外部工具回答視覺問題，但現有評估只關注最終答案是否正確，忽略了搜尋過程中可能發生的隱藏錯誤。研究者提出六類沉默失敗分類法，涵蓋模態捷徑、幻象接地、錯誤證據正確答案、過度檢索洗白、跨模態矛盾與來源幻覺。他們在統一框架下評估四款前沿多模態模型共800條軌跡，發現表面準確率持續高估真實軌跡層級正確率。