האם סוכני LLM ארוכי־טווח עדיין פועלים למען המטרה המקורית של המשתמש אחרי עשרות צעדים?

נקודות ביקורת תקופתיות של כוונת המשתמש, המופעלות כאשר מזוהה סטייה בתוכנית, יפחיתו פעולות סופיות שאינן תואמות את המטרה ב-25% לפחות, עם תוספת של פחות מ-5% בטוקנים.

שיעור המשימות שהושלמו כאשר הפעולה הסופית נשארת תואמת למטרה ולאילוצים המקוריים של המשתמש.

לפחות 25% פחות פעולות סופיות שאינן תואמות למטרה, עם פחות מ-5% טוקנים נוספים.

סוכני LLM ארוכי־טווח אמינים יותר וראיות ברורות יותר לגבי מתי התזמור צריך לעצור, לחדש או לבקש קלט אנושי.