reliability-evaluation

本文引入证据状态可靠性（ESR）作为多阶段LLM流水线的评估层，表明在受控降解下，结构符合性可能提高，而证据敏感的阶段成功率则下降。

声明级可靠性评估（CLR）是一种无需训练的框架，通过验证关键声明而非采样更多解决方案来提升LLMs的推理准确性，减少令牌消耗的同时提高性能。

一篇分析AI智能体可靠性的论文，已被ICML 2026接收。研究发现，即使是最新的前沿模型（GPT 5.5、Gemini 3.1 Pro、Claude Opus 4.7），相较于早期版本也仅有微小的可靠性提升，结果一致性较低，且智能体框架中依然存在持续性问题。