arXiv · cs.AI· Richard Abrich·· 2 天前
发现 AppWorld 与 WorkArena 任务验证器的盲点
Finding Blind Spots in AppWorld and WorkArena Task Verifiers
arXiv:2610.09142v1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：Richard Abrich
首次提交：2026-10-07 05:34
研究任务与主要进展
Richard Abrich 通过 source-informed 变异测试审计 AppWorld 和 WorkArena 的任务验证器。AppWorld 中，重复非幂等写入会产生额外记录但保留受检字段，两个符合条件生成器的三个变体均被验证器接受，合计6/15个构造效果。
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