OpenRCA 2.0：从结果标签到因果过程监督

根因分析（RCA）对LLM智能体能力构成整体性检验——如长上下文理解、多步推理与工具使用。但既有数据集存在根本缺口：它们只标注根因——而非连接根因与观测症状的传播路径——这在很大程度上把任务简化为朴素模式匹配。为支持严格评估——我们介绍PAVE——步进式标注协议——利用故障注入的已知干预重建因果传播路径。机制是前向验证：从原因推到结果——而非从症状反向推断。应用PAVE产出OpenRCA 2.0（500实例）——首个带步进因果标注的跨系统RCA基准。跨11个前沿LLM——恢复精确根因集合平均仅在20.7%的案例中成功。为定位困难所在——我们放宽标准并发现所谓的无锚定诊断：智能体在76.0%的案例中识别至少一个正确根因服务——但仅61.5%把该服务锚定到通往观测症状的经证因果传播路径。仅结果的评估掩盖该失败模式；步进因果真值是可信LLM RCA智能体的缺失拼图。