trajectory-judge 论文发布：LLM 轨迹评判的配对判别方法
热点事件持续更新
trajectory-judge 论文发布：LLM 轨迹评判的配对判别方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Hadi Mohammadi 发布论文 trajectory-judge，提出用配对判别测试 LLM 智能体轨迹评审：向正确运行注入故障，与干净运行对比，看评审能否区分。 论文称，仅看请求和最终回复的 14B 评审模型，对回复不变的故障召回率 34% 到 76% 实为误报。作者建议按故障是否进入评审输入、结果是否存活分别报告配对判别结果，并公开测试台、原始判定和分析流程。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
trajectory-judge：只看结果的 LLM 评审在智能体轨迹评测中漏掉了什么报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.AItrajectory-judge：只看结果的 LLM 评审在智能体轨迹评测中漏掉了什么
论文提出评测 LLM 智能体轨迹评审的新方法，通过向正确运行注入故障并对比干净运行的配对区分度，揭示仅看请求和最终回复的 14B 评审模型对回复不变的故障召回 34% 到 76% 实为误报。
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。