跳到正文
arXiv · AI· Disha Sheshanarayana, Sai Linisha Reddy Goli·· 4 天前AI 评分26

验证器判断能否跨越抽象?衡量 LLM 智能体评估中的验证传输

Do Verifier Judgments Survive Abstraction? Measuring Verification Transport for LLM Agent Evaluation

AI 导读

研究提出 Verification Transport 测试,揭示 LLM 验证器在智能体评估中因抽象导致判断稳定性下降。 在四个基准、七个验证器骨干上,宏观抽象下的传输失败率高达 31%。恢复执行溯源可修正 85.5% 的失败,证明原生视图准确性不足以保障可靠性。

来源:arXiv · AI · arxiv.org