📖 AI 总结

该研究关注编码智能体在执行任务时缺乏备份意识的问题，即它们很少在修改可能日后需要的状态之前主动保存。作者构建了RegretBench基准，包含205个可执行任务，来源于用户在GitHub、Stack Overflow等平台明确表达后悔未保存状态的真实场景。测试六个前沿模型发现，智能体平均完成86.1%的任务，但仅15.2%的情况下会在关键时刻前备份，说明任务完成能力并不等同于备份意识。为此，作者提出BackUpper，一种在每次工具调用前检查并保存受影响状态的插件式备份层，结合规则策略与轻量子智能体处理复杂情况。在RegretBench上，BackUpper覆盖所有后悔时刻的操作，恢复状态与原状态平均相似度达92.2%，每任务成本仅0.014美元，token消耗比主智能体自我备份基线少7倍；当用户对备份范围有偏好时，其判断与人工标注的F1分数为84.5%。结果表明，智能体能够以低成本保持操作可逆，同时尊重用户偏好。

🔑 关键词速览