行业与实践 · 标签「企业」

研究与基准测试/2026-10-24/16 分钟

REGATTA：设计阶段说该暴露的故障，执行时经常不是

Luong 与 Sanyal 用 125 项带出处的清单和 25 个故障，比较 180 套企业智能体场景在设计阶段与执行阶段的检出。历史一致率约 66%–69%；美国保险复测的阶段一致率 .536，低于机会水平 .549。