行业与实践 · 研究与基准测试

研究与基准测试/2026-10-12/16 分钟

SSCBench：评测面向工具使用型 LLM 智能体的故障注入测试的证据效力

故障注入评测里，采纳不能直接解释成尽管已有及时反证仍依赖注入断言。SSCBench 在 τ-bench 上记录反证何时可见，以及这次执行是否在首次使用前看到它。