ToolFailBench는 LLM 에이전트의 도구 사용 실패를 진단하는 새로운 벤치마크로, 금융, 의료, 법률, 사이버 보안, 부동산 분야 1,000개 과제를 포함합니다. 도구 사용 실패 유형을 분류하여 모델의 문제점을 구체적으로 파악하고, 도구를 잘못 사용하는 패턴을 분석합니다. 19개 모델을 분석한 결과, 가장 높은 Clean Tool-Use Rate는 86.33%로, 도구 사용의 신뢰성이 아직 충분히 확보되지 않았음을 보여줍니다.