Компьютерные науки > Искусственный интеллект [представлен 12 октября 2026 года] Заголовок: Phantom Model Agents Challenge: Когда ваши крупные языковые агенты выберут один, но расскажут вам о другом виде PDF HTML (экспериментальный) резюме: агентами LLM все чаще пользуются несколько субъектов, где для получения надежных ответов требуется не только поиск соответствующих доказательств, но и сохранение связи с правильным субъектом. Мы идентифицируем Phantom Assige (PM) — обязательный отказ от доказательств, в котором агент присваивает неподтвержденные претензии своему предприятию, возможно даже тогда, когда задача выполнена правильно. Мы формализуем ТЧ на уровне претензий и характеризуем их распространенность и подтипы ошибок в четырех областях деятельности агентов и четырех основных семействах. Для решения этой проблемы мы предлагаем двухэтапную основу для оценки и корректировки рисков на уровне претензий. Во-первых, " Anchor-Growded Risk (AGR) &qt; сочетает репрезентативную запись скрытых данных о предвыбросе агента и функциональную информацию на основе Jacobian, в которой содержатся дополнительные оценки риска уровня слота и якорного значения. Во-вторых, в ходе проверок системы фиксированных якорей (КФК) были выявлены претензии и выборочно пересмотрены их с использованием наблюдаемых ярмарочных доказательств или они удаляются при отсутствии подкрепляемой замены. Что касается группы лиц, находящихся в закрытом магазине, то СМА-лот достигает уровня 96,2% и средней точности…
Фантомное объединение: Когда ваши крупноязычные агенты выберут одного, но расскажут о другом
arXiv:2610.16141v1 Annualce Type: New Humber Abstract: агенты LLM все чаще работают над несколькими образованиями, где для получения надежных ответов требуется не только поиск соответствующих доказательств, но и сохранение связи с правильным субъектом. Мы идентифицируем Phantom Assige (PM) — обязательный отказ от доказательств, в котором агент присваивает неподтвержденные претензии своему предприятию, возможно даже тогда, когда задача выполнена правильно. Мы формализуем ТЧ на уровне претензий и характеризуем их распространенность и подтипы ошибок в четырех областях деятельности агентов и четырех основных семействах. Для решения этой проблемы мы предлагаем двухэтапную основу для оценки и корректировки рисков на уровне претензий. Во-первых, " Anchor-Growded Risk (AGR) &qt; сочетает репрезентативную запись скрытых данных о предвыбросе агента и функциональную информацию на основе Jacobian, в которой содержатся дополнительные оценки риска уровня слота и якорного значения. Во-вторых, ревизии системы фиксированных коррективов (КФК) выявили и выборочно пересматривают претензииi