★ 3
AgentEval：有状态智能体的证据边界评估系统
论文提出 AgentEval，将契约约束的评估记录贯穿工具执行、状态与事件捕获、报告资格认定与案例维护，区分智能体做了什么、证据证明了什么以及结论是否仍被支持。在 32 次工具世界执行中独立检查对全部 30 个完整回合达成一致，并暴露仅哈希校验漏掉的 36 个绑定故障。
arXiv cs.AI17 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 AgentEval，将契约约束的评估记录贯穿工具执行、状态与事件捕获、报告资格认定与案例维护，区分智能体做了什么、证据证明了什么以及结论是否仍被支持。在 32 次工具世界执行中独立检查对全部 30 个完整回合达成一致，并暴露仅哈希校验漏掉的 36 个绑定故障。