arXiv · cs.AI· Madhav Kanda, Sharad Agarwal, Rodrigo Fonseca, Alok Gautam Kumbhare, Pedro Las-Casas·· 6 小时前
WorkflowPerturb：用于评测多智能体工作流指标的校准压力测试基准
WorkflowPerturb: Calibrated Stress Tests for Evaluating Multi-Agent Workflow Metrics
arXiv:2602.17990v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Madhav Kanda, Sharad Agarwal, Rodrigo Fonseca, Alok Gautam Kumbhare, Pedro Las-Casas
研究任务与主要进展
作者提出 WorkflowPerturb 基准，用于评估多智能体 LLM 工作流变化管理中的指标敏感度与校准。该基准包含4,973个 golden workflows 和44,757个扰动变体，覆盖 Missing Steps、Compressed Steps、Description Changes 三类扰动，严重程度为10%、30%和50%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org