09:37
官方账号arXiv cs.AI@Raghul Sugumar, Amrit Gopinath
推荐理由：COVER方法评估多智能体系统路由效果，通过固定边界和堆栈，在多个基准上验证了评估有效性。
HotpotQA-4
共 1 条相关 AI 资讯
8月31日
09:37
COVER方法引入评估契约，固定公共信息边界和下游堆栈。在MuSiQue-12基准上，预指定特权对照组将遗憾值从0.532降至0.402。在HotpotQA-4上，公共直接评分器将遗憾值从0.313降至0.110。ToolSandbox变体验证显示，声明家族达到0.768安全证据完成率。