行业与实践 · 研究与基准测试

研究与基准测试/2026-10-12/18 分钟

TRACE：诊断智能体评测中的验证器脆性

验证器分数的变化不一定是能力变化。TRACE 用成对变异、轨迹检查和重新评分，把工具名评分缺陷与真正的行为失败分开。