Agents02.10.2026 · 11:001 nguồn

Từ đề xuất đến hiệu quả được kiểm chứng: Praxa, một harness gắn liền với bằng chứng cho việc thực thi AI agent có quản lý

Từ arxiv.org

AI;DR

Các LLM agent có thể đề xuất và thực thi hành động, nhưng đề xuất, thẩm quyền, điều phối, hiệu quả thực tế được kiểm chứng và nâng cấp phục vụ là những tuyên bố khác nhau. Chúng tôi giới thiệu Praxa, một agent harness biểu thị rõ ràng các trạng thái này thông qua việc tiếp nhận tất cả, thực thi qua môi giới, đọc lại từ bên ngoài, đối chiếu và xem xét nâng cấp. Chúng tôi báo cáo bốn luồng bằng chứng. Đầu tiên, một đợt kiểm toán cục bộ do tác giả thực hiện ở phiên bản cố định đã vượt qua 1.027/1.027 bài kiểm tra đơn vị và 89/89 bài kiểm tra Workerd, thiết bị hóa tất cả 363 tệp nguồn dự kiến, và đạt bốn ngưỡng độ phủ; bản ghi thô cho từng bài kiểm tra và khả năng tái tạo độc lập không có sẵn. Thứ hai, trong một thử nghiệm Terminal-Bench Core 0.1.1 do nhà cung cấp hỗ trợ trên 12 tác vụ được tuyển chọn, các nhánh cơ sở và lớp độ tin cậy đều vượt qua 17/36 thử nghiệm nghiêm ngặt. Lớp độ tin cậy dùng nhiều hơn 37,49% token đầu vào và 50,73% token đầu ra, vì vậy thử nghiệm này không chứng minh được tính ưu việt. Thứ ba, trong một phép so sánh phát triển proxy điều phối gồm hai lệnh sau khi gỡ lỗi, nhánh cơ sở và ứng viên do nguồn tự tạo đều hoàn thành 180/180 thử nghiệm với độ chính xác đo được như nhau, khả năng khôi phục sự cố kín hoàn toàn và không có sự cố v

Đọc bài gốcĐăng nhập để góp ý

Nguồn

#agentBản Markdown
Lịch sử nội dung (11)
  • 2026-10-04 · Tóm tắt · vi · Thay nội dung đã lưu
    Praxa là một harness dựa trên bằng chứng giúp quản lý việc thực thi AI agent, chuyển đổi …
    Các LLM agent có thể đề xuất và thực thi hành động, nhưng đề xuất, thẩm quyền, điều phối,…
  • 2026-10-04 · Tiêu đề · vi · Thay nội dung đã lưu
    Từ đề xuất đến hiệu quả thực tế: Praxa, một harness dựa trên bằng chứng để quản lý việc t…
    Từ đề xuất đến hiệu quả được kiểm chứng: Praxa, một harness gắn liền với bằng chứng cho v…
  • 2026-10-04 · Tóm tắt · vi · Thay nội dung đã lưu
    Praxa là một harness ràng buộc bằng bằng chứng, giúp quản trị quá trình thực thi của AI a…
    Praxa là một harness dựa trên bằng chứng giúp quản lý việc thực thi AI agent, chuyển đổi …
  • 2026-10-04 · Tiêu đề · vi · Thay nội dung đã lưu
    Từ đề xuất đến hiệu quả được xác minh: Praxa, một harness ràng buộc bằng bằng chứng để th…
    Từ đề xuất đến hiệu quả thực tế: Praxa, một harness dựa trên bằng chứng để quản lý việc t…
  • 2026-10-04 · Tóm tắt · vi · Thay nội dung đã lưu
    Praxa là một harness cho phép thực thi AI agent được ràng buộc bằng bằng chứng, từ đề xuấ…
    Praxa là một harness ràng buộc bằng bằng chứng, giúp quản trị quá trình thực thi của AI a…
  • 2026-10-04 · Tiêu đề · vi · Thay nội dung đã lưu
    Từ đề xuất đến hiệu quả đã xác minh: Praxa, một harness AI agent có ràng buộc bằng bằng c…
    Từ đề xuất đến hiệu quả được xác minh: Praxa, một harness ràng buộc bằng bằng chứng để th…
  • 2026-10-04 · Tóm tắt · vi · Thay nội dung đã lưu
    Praxa là một harness ràng buộc bằng bằng chứng, giúp kiểm soát quá trình thực thi của AI …
    Praxa là một harness cho phép thực thi AI agent được ràng buộc bằng bằng chứng, từ đề xuấ…
  • 2026-10-04 · Tiêu đề · vi · Thay nội dung đã lưu
    Từ đề xuất đến hiệu quả được xác minh: Praxa, một harness ràng buộc bằng bằng chứng để th…
    Từ đề xuất đến hiệu quả đã xác minh: Praxa, một harness AI agent có ràng buộc bằng bằng c…
  • 2026-10-04 · Tóm tắt · vi · Thay nội dung đã lưu
    Praxa được thiết kế như một dây chuyền thực thi agent AI dựa trên bằng chứng, giúp kiểm s…
    Praxa là một harness ràng buộc bằng bằng chứng, giúp kiểm soát quá trình thực thi của AI …
  • 2026-10-04 · Tiêu đề · vi · Thay nội dung đã lưu
    Từ đề xuất đến hiệu ứng được xác minh: Praxa - dây chuyền thực thi agent AI có kiểm soát
    Từ đề xuất đến hiệu quả được xác minh: Praxa, một harness ràng buộc bằng bằng chứng để th…
  • 2026-10-04 · Tiêu đề · vi · Sửa câu chữ
    Từ Đề xuất Đến Hiệu ứng Được Xác minh: Praxa - Dây chuyền Thực thi Agent AI Có kiểm soát
    Từ đề xuất đến hiệu ứng được xác minh: Praxa - dây chuyền thực thi agent AI có kiểm soát

Bản tin mỗi sáng

Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.

Telegram @aihomnay