arXiv · Software Engineering· Richard Abrich·· 4 hr agoAI score40
AppWorld 与 WorkArena 任务验证器的盲点检测
Finding Blind Spots in AppWorld and WorkArena Task Verifiers
AI brief
研究用源信息变异测试审计已发布的 AppWorld 与 WorkArena 任务验证器，发现执行式验证器会误判 AI 智能体的失败任务为成功。
Source: arXiv · Software Engineering · arxiv.org