热点事件持续更新
研究发现AppWorld与WorkArena验证器存在逻辑盲点
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月8日，arXiv发布的研究显示，通过变异测试审计发现AppWorld与WorkArena的任务验证器存在逻辑盲点，会导致错误判定通过（PASS）。测试具体表现为：在AppWorld中，通过重复非幂等写入构造的15个异常效果中，有6个被验证器误判为通过；在WorkArena中，23个获得PASS判定的额外字段候选用例经独立Table API回读确认，有21个实际存在持久化错误值。
AI 根据报道生成 · 5 小时前更新
最新进展10月8日 12:00
研究通过变异测试揭示AppWorld与WorkArena验证器存在误判PASS的盲点。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 人工智能发现 AppWorld 与 WorkArena 任务验证器的盲点
研究通过变异测试审计了 AppWorld 与 WorkArena 的任务验证器，揭示了导致错误判定通过（PASS）的逻辑盲点。在 AppWorld 中，重复非幂等写入构造的 15 个异常效果有 6 个被验证器误判为通过。在 WorkArena 中，23 个获 PASS 判定的额外字段候选用例经独立 Table API 回读确认有 21 个存在持久化错误值。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。