今天的AI代理架构（ReAct、Plan-then-Act等）产生了太多错误的响应。 我们的新基准确认了这一点，评估了5种流行的代理架构在多跳问答中的表现。 然后我们为每个架构添加了实时信任评分，这减少了所有代理类型的错误响应：Act减少了56%，ReAct（零样本）减少了56%，ReAct（少样本）减少了16%，PlanAct减少了25%，PlanReAct减少了10%。 如果你无法容忍AI错误，信任评分适用于任何AI代理，只需几行代码。 在这里查看完整的基准：