摘要
Interaction-Centric Agent Failure Taxonomy 是《Model or Harness?》提出的 41 类智能体失败分类体系，以组件交互边和责任侧组织失败，并将分类结果对应到模型、harness、环境或评估层的修复方向。（来源：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
核心内容
基本信息
- 实体类别：智能体故障分类体系
- 论文版本：arXiv:2607.28802v1，提交于 2026-07-30。（来源：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
- 分类规模：41 个角色特定 failure modes。（来源：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
- 验证材料：40 个来自公开 benchmark、系统卡、报告和执行轨迹的 worked examples。（来源：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
重要事实
- 标签明确交互双方、责任侧和具体失败模式。（来源：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
- 归因规则优先选择最早且之后没有恢复的失败，而非最终症状。（来源：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
- 最强自动 judge 与人工类别标签达到 Cohen’s κ=0.76，但具体失败模式的一致性更低。（来源：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
关系与影响
该体系为 Harness Engineering 和模型训练之间提供 repair assignment 机制，也可为 Self-Improving Harness 的弱点挖掘阶段提供结构化故障标签。（综合：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
分歧与变化
分类体系不衡量失败频率，且依赖现有案例和证据完整度；随着智能体组件和架构变化，分类可能需要扩展。（来源：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
相关页面
- 概念：Agent Failure Localization、Harness Engineering、Self-Improving Harness
- 实体：无
- 主题：AI Agent Failure Analysis、LLM Agent Self-Improvement
来源
待核实问题
- 第三方复现、标注者间一致性及真实生产故障覆盖率。