sparse-evidence

本文提出了一种两阶段方法，用于对话和LLM-Agent轨迹中的早期故障预警。该方法通过从轨迹标签中学习逐轮故障证据来解决证据稀疏的挑战，并使用基于注意力的预测器与偏好条件停止策略（α-STOP），以实现可控的准确率-及时性权衡。