跳转至

Read this paper write-up in English

DeFA: Dependency-Guided Failure Attribution for LLM Agents

复现级别：L1 核心机制诊断。 执行依赖反向传播与 decisive-error 选择；不使用 gold plan/answer，不运行多模态 judge。

论文信息

字段 内容
论文链接 arXiv 2610.01256
公司/机构 Qwen DianJin Team, Alibaba Cloud Computing（按第一作者署名单位）
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 否：截至 2026-10-02 未找到原作者公开实现
Adapter defa
本地复现代码 src/auto_research/agent_research/latest_20261002.py

原始论文总结

背景与主要改动

融合 protocol relation 和语义依赖构造 event dependency graph，再从违规事件逆向追踪 source 与下游影响，形成 failure propagation graph 并定位 decisive error。

flowchart LR
  I[输入/当前状态] --> M[defa 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文关键图

DeFA: Dependency-Guided Failure Attribution for LLM Agents 原论文关键图

原论文关键图：展示论文核心架构、训练流程或系统协议。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(e^*=argmax_{e\in Ancestor(V)} error(e)\)，同时保留 responsible agent 与传播子图。

论文离线与线上效果

在 Who and When 系列达到最佳 responsible-agent 与 exact-step 准确率；用于 Trace2Skill 后下游准确率再提高 6–15 点。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组为开启对应核心算子；相对百分比不适用。本批指标只验证不变量、梯度或状态转换，不表示论文规模效果。

复现边界

执行依赖反向传播与 decisive-error 选择；不使用 gold plan/answer，不运行多模态 judge。