实体 ReliAgent

ReliAgent

PulseAugur coverage of ReliAgent — every cluster mentioning ReliAgent 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

0

90 天内 0

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_201439 · Aug 15 · 01:11

研究人员测试了 4200 次试验中的 LLM Agent 可靠性，发现了关键问题

一位独立研究人员使用名为 Basanos 的自定义验证程序进行了 4200 次试验，以测试 AI Agent 的可靠性，特别是它们检测工具调用失败的能力。实验包括 Anthropic 的 Sonnet 和 Claude Haiku 4.5，以及 OpenAI 的 GPT-5.6 Luna 和 Terra 等模型，结果显示将模型行为和检测器性能视为同一个问题可能会导致误导性的基准测试结果。研究人员强调了跨不同模型系列进行测试以及设计能够…