★ 2
arXiv：EMBERS 用缺陷引导模糊测试检验深度研究系统鲁棒性
研究基于 3 个代表性深度研究系统的 1932 条执行轨迹，归纳出子问题构建、在线搜索与最终推理三阶段的 9 类反复缺陷，并提出缺陷引导的模糊测试框架 EMBERS。在 16 种框架-模型-数据集组合下，其失败发现吞吐量达最强基线的 3.21 倍，且多数生成输入保留原始信息需求，微调实验显示可提升…
arXiv cs.AI14 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究基于 3 个代表性深度研究系统的 1932 条执行轨迹，归纳出子问题构建、在线搜索与最终推理三阶段的 9 类反复缺陷，并提出缺陷引导的模糊测试框架 EMBERS。在 16 种框架-模型-数据集组合下，其失败发现吞吐量达最强基线的 3.21 倍，且多数生成输入保留原始信息需求，微调实验显示可提升…