NAQD-Env：语言智能体选择性撤回能力评测基准

研究提出合成评测环境 NAQD-Env，用于评估语言智能体在证据或权限变动时中止受影响操作、保留无关工作的选择性撤回能力。实测显示 Qwen2.5-7B、Qwen2.5-3B 与 Llama-3.1-8B 的撤回召回率最高仅 0.06，且未出现有效恢复。微调虽将 Qwen2.5-3B 决策准确率从 0.45-0.54 提至 0.83-0.92，但会导致不当撤回与事件报告丢失。