论文提出智能体评测的可信层框架

论文提出 Trust Layer for Agent Evaluation，在每个基准分数旁报告其是否可信，验证结果是否由基准评分逻辑支持、通过是否来自可追踪计算、完成声明是否与实际一致，以及重复执行是否稳定。