热点事件持续更新
研究人员提出深度研究系统鲁棒性测试框架EMBERS
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
2026年11月4日，研究人员在arXiv发布成果，提出基于缺陷导向模糊测试的鲁棒性测试框架EMBERS，专门用于检测Deep Research系统的执行脆弱性。该研究分析了3个代表性系统的1,932条执行轨迹，并从中归纳出9类常见缺陷模式，在此基础上针对系统各执行阶段自动生成变异测试输入。测试结果显示，在16种不同设置下，EMBERS的故障发现吞吐量达到最强基准方法的3.21倍；此外，研究团队还通过微调实验验证了该框架能有效提升系统的一致性回答性能。
AI 根据报道生成 · 13 小时前更新
最新进展11月4日 13:00
研究人员推出测试框架EMBERS，故障发现吞吐量达最强基线3.21倍。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 人工智能EMBERS：基于缺陷导向模糊测试的 Deep Research 系统鲁棒性测试框架
研究人员提出基于缺陷导向模糊测试的鲁棒性测试框架 EMBERS，专门用于检测 Deep Research 系统的执行脆弱性。该研究分析了 3 个代表性系统的 1,932 条执行轨迹并归纳出 9 类常见缺陷，在此基础上针对各执行阶段生成变异测试输入。在 16 种设置下，EMBERS 的故障发现吞吐量达到最强基线的 3.21 倍，并通过微调实验提升了一致性回答性能。
本事件热度走势
当前热度 7·可比范围峰值 10（11月4日 14:00）·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。