ContractEval：面向流程指令合规的查询条件化执行匹配
原文标题：ContractEval: Query-Conditioned Execution Matching for Procedural Instruction Conformance
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出LLM智能体在执行流程性任务时，最终答案看似合理却可能跳过了必要的检查、分支或依赖，属于“无根据”的失败。作者提出 ContractEval 诊断框架，将流程指令表示为查询激活的义务，并与响应或轨迹证据匹配，从而区分遗漏、错误分支、顺序错误、多余动作与不变量违背等合规失败。实验显示仅看输出或轨迹的LLM评判会漏掉大量结构性失败，而ContractEval能全部检出并定位。
- 问题
- LLM智能体执行流程任务时，答案看似合理却跳过了必要检查、分支或依赖。
- 方法
- 把流程指令表示为查询激活的义务，与响应或轨迹证据匹配，区分遗漏、错分支、顺序错误等失败类型。
- 结果
- 仅看输出或轨迹的LLM评判漏掉大量注入的结构性失败，ContractEval在黄金图下全部检出并定位。
- 影响
- 为智能体流程合规提供可审计的诊断层，适合需要验证多步执行正确性的工程团队。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ContractEval把流程指令拆成查询激活义务，能检出输出与轨迹评判漏掉的全部注入结构性失败。
- •针对“答案合理但跳过检查/分支/依赖”的无根据失败
- •将流程指令表示为查询激活义务，与响应或轨迹证据匹配
- •区分遗漏、错误分支、顺序错误、多余动作、不变量违背等失败类型
- •仅看输出或轨迹的LLM评判漏检大量注入失败，ContractEval在黄金图下全部检出并定位
- •LLM抽取保留大部分信号但对校准敏感，作者明确不构成合规保证
为什么重要：对做流程型Agent（审批、运维、客服）的团队，它把“过程是否合规”变成可审计对象，而非藏在最终答案质量里。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。