ToolFailBench: Diagnosing Tool-Use Failures in LLM Agents

ToolFailBench 给工具调用失败做了更细的诊断切分，包括该调用时没有调用、选择了错误工具、参数填错、调用后不使用返回结果等。这样的 benchmark 比单一成功率更接近 agent 调试现场，因为同样失败可能来自 planner、schema grounding、参数抽取或结果整合。它的技术价值在于把“工具使用不行”拆成可修补的子问题。