★ 3
ARATest：用属性测试核查 AI 智能体的科研主张
论文提出 ARATest，一个基于属性的测试库，把论文中的经验主张抽象为可执行的性质骨架并绑定证据。测试采用三值语义给出成立、违反或不确定三种判定，每次违反都附带可重放证据。在 33 份智能体科研产物的 243 条主张中，54 条完成忠实声明，其中 8 条被违反，两处违反暴露了作者确认的已发表论文…
arXiv cs.AI10 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 ARATest，一个基于属性的测试库，把论文中的经验主张抽象为可执行的性质骨架并绑定证据。测试采用三值语义给出成立、违反或不确定三种判定，每次违反都附带可重放证据。在 33 份智能体科研产物的 243 条主张中，54 条完成忠实声明，其中 8 条被违反，两处违反暴露了作者确认的已发表论文…
论文用 Hypothesis 属性测试复现了 Barron 等人指出的 PyTorch、JAX 等主流库中 softmax 与交叉熵的数值问题，并额外发现一个边界失败案例。作者提出更稳健的 softmax 实现，支持因果注意力掩码，并开源了代码与测试。