行业与实践 · 标签「拦截器」

方法与教程/2026-10-10/14 分钟

工具智能体评测审计：子串判定接近偶然，参数错误约六成传到错答案

AgentProp-Bench 用 14,750 条轨迹审计自动评测。子串判定与人工的 κ 只有 0.049；三模型集成 0.432。参数错误传到错答案的校准概率约 0.62。拒绝和恢复互不相关。编造工具调用最多占 37.5%。