风险感知自适应评估：在有限预算下发现高影响力的失败用例

研究提出基于上下文 Thompson Sampling 的风险感知自适应评估策略，用于在有限预算下高效发现交互式 AI 智能体的高影响力失败。在 70 个 $\tau$-bench 航空场景实验中，仅用 50 次测试（6% 预算）即可找出 86% 的加权失败影响，远高于均匀分配的 25%。