arXiv · cs.AI· Mohammadreza Sediqin, Shivali Dalmia, Srinivasa Karthikeya Reddy Kovvuri, Abhishek Mukherji·· 2 天前
Agent Evaluation Trust Layer提出四项检查验证智能体评测可信度
A Trust Layer for Agent Evaluation
arXiv:2610.07274v1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：Mohammadreza Sediqin, Shivali Dalmia, Srinivasa Karthikeya Reddy Kovvuri, Abhishek Mukherji
研究任务与主要进展
作者提出用于智能体评测的 Trust Layer，在记录分数旁检查评分逻辑支持、可追溯计算、完成声明一致性和重复执行稳定性。对五种智能体配置在 Agents' Last Exam 的108项任务上应用该框架后，报告称仅22.6%的记录通过四项检查，且18%—46%的任务在五次运行中未能保持同一分数区间；上述内容基于论文摘要，未读取全文。
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