★ 3
AgentAudit：AI智能体全生命周期信任评估框架
论文提出AgentAudit，一个开放可扩展的框架，覆盖规划、工具选择、工具执行、记忆与推理的完整流水线。它沿十个能力、基础、安全与行为维度评估执行轨迹，并结合行为分类与失败归因定位问题阶段。在九项任务上评测五款模型，Claude Sonnet 5与GPT-5综合信任分最高（95.1与80.6），…
arXiv cs.AI53 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出AgentAudit，一个开放可扩展的框架，覆盖规划、工具选择、工具执行、记忆与推理的完整流水线。它沿十个能力、基础、安全与行为维度评估执行轨迹，并结合行为分类与失败归因定位问题阶段。在九项任务上评测五款模型，Claude Sonnet 5与GPT-5综合信任分最高（95.1与80.6），…