智能体出错不再靠抽样：Laminar发布flow-1，逐条查轨迹且成本降23倍
Laminar发布经强化学习训练的flow-1模型，用于在AI智能体轨迹中定位错误。智能体常运行多步并在每次调用都成功的情况下隐性出错，而用大模型逐条检查轨迹在规模化时成本过高。在Laminar自建基准上，flow-1的检测质量与GPT-6-sol相当，成本低23倍，使逐条分析生产轨迹而不抽样成为可负担的做法。
智能体轨迹不再靠标签检索：用一句话描述行为，决策模型逐条读轨迹并流式返回命中结果
LangSmith 上线 AI Search，用自然语言描述行为即可检索智能体轨迹，例如“用户是否受挫”或“是否泄露了 PII”，不再依赖预先配置的评估器或人工翻查。
已读完全部报道