Найти слепые споты в AppWorld и WorkArena Task Firefier

arXiv: 2610,09142v 1 Annuaire Type: New Habstratement: Objective-Boarders принимает решение о том, преуспел ли агент. Мы провели проверку Appworld и WorkArena с тестами на мутации с учетом источника информации. Основная ревизия никогда не изменяет отгруженный шакер. В AppWorld, копирование неипотенциальной записи создает дополнительную запись при сохранении каждого проверенного значения поля. Проверяющий принимает все три варианта задач от двух из пяти приемлемых генераторов: 6/15 - построенные эффекты. После проведения переписи при использовании пятна кардиналов в клетках счетчиков все шесть клеток не срабатывают, сохраняя при этом действительный контроль. В WorkArena мы предполагаем повторное назначение 23 внеофисных кандидатов, отобранных для более ранних результатов шакер-ПАСС. В 21 году в независимой таблице API подтверждаются неисполнение обязательств, а все 23 получают ПАСС. Две затребованные строки - это псевдонимы хранящихся дефолтов. 21-й подтвержденный неправильный эффект охватывает три шаблона. Эти отобранные случаи подтверждают неправильные последствия по протоколу ревизии; они не подтверждаются