#审计方法

这篇论文教你如何验证AI代理的每个组件，而不是只看总分，能帮你找出真正的问题所在。

CatchBench基准测试为评估代理失败的可捕捉性提供了新的视角，涵盖了多个模型和配置，是了解代理失败捕捉的重要参考。