实体 AdvPlan-Bench

AdvPlan-Bench

PulseAugur coverage of AdvPlan-Bench — every cluster mentioning AdvPlan-Bench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_180618 · Aug 4 · 04:00

新基准在对抗性规划条件下评估 AI 代理

研究人员推出了 AdvPlan-Bench，这是一个用于结构化计划生成代理对抗性评估的新基准。该基准侧重于评估候选计划在面对对手代理的挑战时如何表现，超越了孤立的质量评估。AdvPlan-Bench 包括类型化计划表示、对抗性响应集、选择器诊断和可追溯指标，用于在对抗性条件下评估计划的质量和连贯性。