研究审计Vals金融参考Agent:运行间得分漂移明显
热点事件持续更新
研究审计Vals金融参考Agent:运行间得分漂移明显
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Cosimo Galeone 等提交论文,对 Vals Finance Agent Benchmark v2 随附的金融研究参考智能体在未做调优的情况下进行审计:同一配置在 18 道题上运行 7 次,149 项评分标准的通过数在 105 至 123 之间波动,账单差异最高达 17%。研究旨在回答排行榜分数无法反映的得分稳定性、故障归属与可审计优化问题。 作者明确说明这是一项针对单个智能体和九道测试题的案例研究,并非普遍性结论。
AI 根据报道生成 · 3 小时前更新
最新进展11月16日 13:00
金融研究智能体可信吗?对 Vals Finance Agent Benchmark v2 参考智能体的漂移、诊断与可审计干预研究报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AI金融研究智能体可信吗?对 Vals Finance Agent Benchmark v2 参考智能体的漂移、诊断与可审计干预研究
一项研究对 Vals Finance Agent Benchmark v2 随附的金融研究智能体未做调优即展开审计:同一配置在 18 道题上 7 次运行,149 项评分标准的通过数在 105 至 123 之间波动,账单差异最高达 17%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
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。