热点事件持续更新
科学搜索代理在决策检查点的暴露与检查失败审计
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究提出决策检查点协议，记录科学搜索智能体在推理过程中的观察与工具动作，而不依赖基准标签。在 540 个可回答的 AutoResearchBench Deep 问题上，关键词搜索准确率为 24.6%，raw search 为 17.8%；read-first 比关键词搜索多 27.4% 的证据检索调用，两种条件均达到 24.6% 准确率。检查点协议区分了目标暴露、检验尝试与总体准确率及工具使用量。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
研究提出决策检查点协议，记录科学搜索智能体在推理过程中的观察与工具动作，而不依赖基准标签。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Artificial Intelligence科学搜索智能体在哪类决策检查点暴露与检验尝试中失败：基于 AutoResearchBench 的审计研究
研究提出决策检查点协议，记录科学搜索智能体在推理过程中的观察与工具动作，而不依赖基准标签。在 540 个可回答的 AutoResearchBench Deep 问题上，关键词搜索准确率为 24.6%，raw search 为 17.8%；read-first 比关键词搜索多 27.4% 的证据检索调用，两种条件均达到 24.6% 准确率。检查点协议区分了目标暴露、检验尝试与总体准确率及工具使用量。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。