提出Claw-Eval评估套件,通过全轨迹审计(执行痕迹、审计日志、环境快照)、多维评分(完成度/安全性/鲁棒性)和跨模态任务覆盖(300个人工验证任务),解决现有自主智能体评测中轨迹不透明、安全鲁棒性评估不足和模态覆盖狭窄三大问题。
机构:北大
来源:arXiv 2604.06132 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程