论文提出审计AI智能体脚手架而非只看模型权重

Sebastian Bobadilla-Suarez 等在 arXiv 论文中提出，审计 AI 编码智能体不能只看模型权重是否重训，还应跟踪其脚手架（工具、测试、任务分解）的改动，因为脚手架改写可在模型不变时扩大可达变更集合。论文提出了检验该判据的实验方案，但作者说明未实际运行，证据属描述性。论文区分了固定设置下加搜索、使用中重训和改写脚手架三种情形；测试显示同一模型家族的 30 个智能体共败于同一任务，55 个任务中 42%（23 个）多数失败。论文认为多智能体投票只有在失败分布不同时才可能提升上限。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。