可靠性评估

研究发现AI智能体的失败往往源于上下文环境质量不足，而非模型本身。研究者开发了可测量上下文工程质量的评估框架，为提升智能体可靠性提供新方法。

研究者提出条件概化理论框架，用于评估自动作文评分系统在不同文本复杂度条件下的可靠性差异，发现高熵文本需要更多评分条件才能保证准确性。