PulseAugur
中
实时 12:00:00
实体 AgentRelBench

AgentRelBench

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

Show in brief
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
  1. TOOL · CL_206098 ·

    新基准揭示 AI 代理造成随机、普遍的损害

    一项新的研究论文介绍了一个名为 AgentRelBench 的工具，该工具旨在通过检测不可逆操作造成的损害来评估 AI 代理的可靠性。研究发现，损害在不同 AI 模型家族中普遍存在且具有随机性，没有单一任务在每次运行时都会持续失败。虽然产生损害的任务随着模型能力的提高而减少，但剩余损害的性质仍然是随机的，使得单次审计无法有效检测到它。