★ 2
LLM智能体轨迹早期结果预测的校准迁移审计
论文对基于轨迹的LLM智能体早期结果预测进行可靠性审计，检验预测器跨智能体迁移时校准是否失效。结果显示校准迁移误差并非普遍存在，而是集中在gpt-5-mini/SUCCESS与claude-opus-4.6/FAILURE两个特定组合上。跨基准（TerminalBench）未能复现该现象，说明误差…
arXiv cs.AI40 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文对基于轨迹的LLM智能体早期结果预测进行可靠性审计，检验预测器跨智能体迁移时校准是否失效。结果显示校准迁移误差并非普遍存在，而是集中在gpt-5-mini/SUCCESS与claude-opus-4.6/FAILURE两个特定组合上。跨基准（TerminalBench）未能复现该现象，说明误差…