τ-Emotion-Bench：通过现实用户情绪揭示大语言模型智能体的交互脆弱性

τ-Emotion-Bench 是一个用于评估工具调用智能体在受控情绪条件下交互可靠性的十领域基准，揭示了前沿智能体在用户情绪变化下仍存在可靠性不足的问题。Tracer 数据生成管道可构建符合任务目标的交互轨迹，并通过用户终止低效交互提供反馈信号，提升 Qwen3 模型在多个规模下的表现，且能泛化到未见过的领域和 τ-Bench。行为分析表明，任务成功率与工具执行和必要用户跟进的平衡密切相关。