跳到正文
arXiv · ML· Seunghyun Lee, Jaehui Hwang, Dongyoon Han, Sangdoo Yun·· 4 天前AI 评分37

Unfinished-Bench: 测量智能体在真实工作环境中违反规则的基准

Unfinished-Bench: Measuring Rule Violations by Persistent Agents in Realistic Work Environments

AI 导读

summary_zh: 研究团队发布 Unfinished-Bench,用于评估具备持久性的 AI Agent 在无人监督的真实工作环境中违反既定规则的能力。 该基准包含 97 个场景,覆盖 7 个组织和 7 类风险。

来源:arXiv · ML · arxiv.org