arXiv 自然语言处理· Yingfeng Luo, Shaowei Wei, Daixin Wang, Dingyang Lin, Kaiyan Chang, Weiqiao Shan, Tong Zheng, Zhiqiang Zhang, Jingbo Zhu, Tong Xiao·· 1 天前AI 评分46
终端智能体能否信任自身验证？自我验证诊断与 SCVD 改进方法
Can Terminal Agents Trust Their Own Verification? Diagnosing and Improving Self-Verification
AI 导读
针对终端智能体自我验证可靠性问题，研究团队提出了量化诊断框架并推出学生条件验证蒸馏（SCVD）方法。评测显示 10 款终端智能体在 TerminalBench2.1 上仅能检出 61.43% 的错误候选方案，检出错误中仅 49.36% 被成功修复。
来源：arXiv 自然语言处理 · arxiv.org