arXiv · Computation and Language· Radhika Gaonkar·2026-10-09 12:00· 3 小时前AI 评分47

TRACE：诊断智能体评测中验证器的脆弱性

TRACE: Diagnosing Verifier Brittleness in Agentic Evaluation

AI 导读

TRACE 协议把分数变化从结论变成可检验的诊断：对评测做定向改动、对比成对运行、检查智能体行为是否变化，并对未改动轨迹重新打分以判断评分规则是否应负责。