DFAH-Bench v4：决策一致但执行路径大不同
热点事件持续更新
DFAH-Bench v4：决策一致但执行路径大不同
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Raffi Khatchadourian 在 arXiv 更新发布 DFAH-Bench 论文 v4，考察金融智能体决策一致性背后的执行差异。结论是：决策一致不等于执行可靠。 在 570 个合格重放片段中，智能体的决策一致率为 94-95%，但包含输入与结果的工具路径一致率仅 45-52%。该基准通过重放实验、省略工具调用的对照测试和带授权检查的银行任务进行考察。 银行任务方面，1,080 个 τ-Knowledge 银行研究片段中有 1,033 个缺失已知结果，导致计划的确证性检验无法进行，因此银行任务对比仅具描述性。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 12:00
DFAH-Bench：一致性无法衡量金融智能体的可靠性报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AIDFAH-Bench：一致性无法衡量金融智能体的可靠性
DFAH-Bench 通过重放实验、省略工具调用的对照测试和带授权检查的银行任务，考察金融智能体决策一致性背后的执行差异。在 570 个合格重放片段中，决策一致率为 94-95%，而含输入与结果的工具路径一致率仅 45-52%；1,080 个 τ-Knowledge 银行研究片段中有 1,033 个已知结果，缺失结果使计划的确证性检验无法进行，银行任务对比仅具描述性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。