Bilanz der Quelle: BenchShield ist eine formale, modellgestützte Instrumentierung zur Belohnungsintegrität in der LLM-Agenten-Evaluationsinfrastruktur. Die Autoren konstruieren einen Benchmark-Trajektorie-Korpus aus 456 von Menschen adjudizierten Trajektorien aus mehr als 31.000 öffentlichen Agentenläufen über drei Benchmarks hinweg. BenchShield steigert die Full-Chain-Recall von 23 bis 94 Prozent auf 77 bis 94 Prozent.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
