Root-Cause Attribution Is a Search Problem: Continual Search for Long-Horizon Agent Failures

Continual Search 让根因分析器在多轮中继续寻找分散在长轨迹各处的证据，避免一次 LLM 判断就停在“听起来合理”的解释。作者新增 MegaRCA-Mix，包含 50 个带人工标注的长时程失败试验；GPT-5.5 的 F1 从 0.349 提升到 0.498，且同系列低阶模型有时超过高阶模型。这里的变量不是模型规模，而是是否把诊断预算真正用在搜索上。