arXiv·· 12 天前AI 评分38
智能体究竟做了什么？面向长时程智能体的证据溯源监督
What Did the Agent Actually Do? Evidence-Grounded Oversight for Long-Horizon Agents
AI 导读
研究提出面向长时程智能体的监督方法，通过监控器识别关键决策并定位证据，帮助用户判断哪些决策需要人工核验。团队同时发布软件工程基准 AgentMonBench，其三个子集覆盖需求与行为对齐、关键后果感知两个互补维度。
来源：arXiv · arxiv.org