AgentEval：有状态智能体的证据边界评估系统

2026年10月16日，arXiv Artificial Intelligence 刊出由 Ruiqi Gao（阿里云，阿里巴巴集团）提交的论文，提出 AgentEval——一套面向有状态智能体的证据边界评估系统。该系统将合约约束的评估记录贯穿工具执行、状态与事件捕获、报告资格认定和用例维护四个环节，并把智能体的行为、证据所确立的内容、结论是否仍获支持三者分离。论文报告了两项实验：在 32 次工具世界执行中，独立检查对全部 30 个完整回合达成一致，可区分已满足、已违反和未决义务；对 48 个证据视图的受控干预暴露出 36 个仅靠哈希校验会漏掉的绑定故障。目前该工作处于论文发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。