benchmark-harness

标签

#benchmark-harness

坏天才：超越任务特定捷径的反事实引导测试框架演进

arXiv cs.AI ↗ · 2026-09-17 缓存

本文介绍了CHASE，一种用于AI智能体评估中测试框架演进的反事实引导方法，该方法通过约束生成和有效性检查缓解基准测试捷径，增强可靠性。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈