arXiv·· 14 天前AI 评分31
复杂智能体，浅层测试：揭示并增强真实场景中 Agent Harness 的测试充分性
Complex Agents, Shallow Tests: Demystifying and Enhancing Test Adequacy of Agent Harness in the Wild
AI 导读
一项实证研究首次系统考察真实 LLM 智能体系统中 harness 的测试充分性，发现 agent harness 普遍存在测试不足的问题。研究由 backbone LLM 与承担执行基础设施的 harness 组成，harness 实现缺陷正带来可靠性隐患。
来源：arXiv · arxiv.org