arXiv·· 12 天前AI 评分32
评估整个堆栈而非单层：Agent 动作的确定性规则与 LLM 门控是否会独立失效？
Evaluate the Stack, Not the Layer: Do Deterministic and LLM Gates for Agent Actions Fail Independently?
AI 导读
研究用 1119 条带标注的 agent 动作测试运行时门控堆栈，发现其错误并不按假设相乘。该堆栈含 1 个确定性规则层和 4 个 LLM 评判器，在 STRICT 漏检定义下任意两个评判器组合仅相当于约 1.2 至 1.4 层（φ 中位数 +0.430，6 对全部如此），远低于完全独立时的层数。
来源：arXiv · arxiv.org