arXiv cs.SE· Jianing Yin, Ziyi Chen, Hao Wang, Yiyou Sun, Zijian Jin, Dawn Song, Daoan Zhang·· 2 小时前AI 评分40
VerifierBench：评测 LLM 智能体生成可执行验证器的基准
VerifierBench: Benchmarking the Generation of Executable Verifiers for LLM Agents
AI 导读
研究者提出 VerifierBench，用来自六个智能体基准的 222 个任务和 4,993 条隐藏测试用例（含其他有效解与攻击样本）评测智能体生成可执行验证器的能力，并用六项检查的 V4V 审计筛选源验证器与测试集。
来源：arXiv cs.SE · arxiv.org