Organising Trajectory Evidence for Language-Model Agent Assurance: Fragments, Methods, and the Residual

arxiv · arXiv · 2026-10-04 02:51 · 评分 76

提出一种统一框架，用两级逻辑、信息片段和保证分类账来整合对语言模型Agent轨迹的不同评估方法（规则检查、技能覆盖、前缀监控、执行门等），说明它们如何互补以及仍遗漏的残余风险。为Agent可信保障提供系统化工具。