arXiv cs.AI· Shaikh Akib Shahriyar, MD. Akil Raihan Iftee, Armon Barton, Matthew Wright·· 8 小时前AI 评分31
什么才算同一个任务？面向工具使用智能体鲁棒性评估的可执行任务契约
What Counts as the Same Task? Executable Contracts for Robustness Evaluation of Tool-Using Agents
AI 导读
研究者提出"可执行任务契约"，在智能体运行前声明任务由哪些事实定义、允许哪些编辑、怎样算完成任务，并据此校验每个改动后的测试用例。
来源：arXiv cs.AI · arxiv.org