审计发现任务验证器可漏接异常写入

Richard Abrich 通过基于来源信息的变异测试审计 AppWorld 和 WorkArena 的任务验证器，并在 AppWorld 中确认一处盲点：重复执行非幂等写入会产生额外记录，但验证器仍会接受只保留受检字段不变的结果。 针对两个符合条件的生成器构造的三个变体，验证器均未报错，合计接受15个构造效果中的6个。该结果表明，这些测试可检查目标字段，却未覆盖非幂等操作造成的额外状态变化；输入未提供 WorkArena 的具体测试结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。