AgentEval：有状态智能体的证据边界评估系统

2026年10月16日，arXiv cs.AI 刊出论文，提出面向有状态智能体的证据边界化评估系统 AgentEval。该系统以契约约束的评估记录贯穿工具执行与证据捕获，据此判定智能体的义务是否被满足。论文报告了两项结果：在 32 个 tool-world 管理任务中，独立检查对 30 个完整 episode 的判断全部一致；在 48 个证据视图的受控干预中，暴露出 36 个仅靠 hash 检查会漏掉的绑定故障。目前为该系统首次公开报道，尚无后续进展或第三方复现信息。

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。