★ 2
AppWorld 与 WorkArena 任务验证器盲点审计
论文用基于源码的变异测试审计 AppWorld 与 WorkArena 已发布的任务验证器。在 AppWorld 中，重复非幂等写入可产生额外记录却仍被接受（6/15 构造效果）；在 WorkArena 中，23 个额外字段候选全部通过验证，其中 21 个经独立读回确认为错误效果。研究还报告了零通…
arXiv cs.AI25 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文用基于源码的变异测试审计 AppWorld 与 WorkArena 已发布的任务验证器。在 AppWorld 中，重复非幂等写入可产生额外记录却仍被接受（6/15 构造效果）；在 WorkArena 中，23 个额外字段候选全部通过验证，其中 21 个经独立读回确认为错误效果。研究还报告了零通…