TRACER：用于智能体推理中关键事件轨迹风险聚合

在现实世界中，AI智能体与人类进行多轮工具交互时，估计其不确定性具有挑战性，因为失败通常由稀疏的关键事件（如循环、不连贯的工具使用或用户-智能体协调失误）触发，而局部生成结果可能显得自信。现有不确定性代理主要关注单次文本生成，忽略了轨迹级别的崩溃信号。本文提出TRACER，一种面向双控工具-智能体-用户交互的轨迹级不确定性度量方法。TRACER结合内容感知的惊讶值、情境感知信号、语义和词汇重复以及工具支持的连贯性缺口，并通过尾部聚焦的风险函数与MAX复合步骤风险进行聚合，以揭示决定性异常。我们在$τ^2$-bench上对TRACER进行了评估，预测任务失败和选择性任务执行。结果表明，TRACER在AUROC和AUARC指标上分别比基线提升了37.1%和55%，实现了更早且更准确地检测复杂对话式工具使用场景中的不确定性。