PulseAugur
中
实时 09:07:49
实体 SimAudit

SimAudit

PulseAugur coverage of SimAudit — every cluster mentioning SimAudit 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_368375 ·

    新的LLM工具审计模拟操纵基准中的成功检查器缺陷

    研究人员开发了SimAudit,一个基于LLM的管道,用于审计模拟操纵基准中使用的成功检查器。这些检查器将回合标记为成功或失败,可能会错误地将不完整的执行标记为成功(幻影成功)或将有效的替代解决方案标记为失败(沉默失败)。SimAudit分析任务指令和检查器代码以识别潜在的分歧,在模拟中重现这些场景,并根据指令直观地验证结果。在RoboTwin 2.0、RoboCasa365和RoboDojo这三个基准上,SimAudit识别出61个…