跳到正文
arXiv · AI· Jiandong Ding, Honglei Ji, Ming Liu, Tao Duan·· 2026-10-09AI 评分23

SameCapRisk-Bench:评估 Agent 技能检索中的风险暴露

Right Family, Wrong Skill: Evaluating Risk Exposure in Agent Skill Retrieval

AI 导读

研究提出 SameCapRisk-Bench 基准,包含 890 个单元和 1,314 个查询案例,用于测试“同能力风险暴露”检索问题。 四个公开技能检索器在源任务合约下的 HSR@3 为 0.737-0.881,表明易召回冲突技能;将 reranker 输入预算从 512 增至 4,096 tokens 可显著降低错误率。

来源:arXiv · AI · arxiv.org