最近の更新
- 📄 論文解説: Automated Structural Testing of LLM-Based Agents — トレース・モック・アサーションによる構造テスト手法
- 📄 ICML 2026論文解説: Beyond the Final Answer — ツール利用エージェントの推論軌跡を参照フリーで評価するTRACEフレームワーク
- 📄 ACL 2026論文解説: AgentEval — DAG構造によるステップレベルエージェント評価とエラー伝播追跡
- 📄 論文解説: Judging the Judges — LLM-as-a-Judgeパイプラインにおけるバイアス緩和戦略の体系的評価
- 📄 論文解説: TRAJECT-Bench — エージェントのツール使用軌跡を細粒度で評価するベンチマーク