Agent nhiều bước dễ tích lũy lỗi qua từng bước. Bạn đo lường và giảm tỷ lệ hoàn thành tác vụ thất bại của một chuỗi hành động ra sao?

Gợi ý: Eval theo trajectory, checkpoint, cơ chế tự sửa (self-correction)/retry, và human-in-the-loop.