安定報道日時 2026-10-02 12:00
バックドロップは動的環境におけるエージェントのパフォーマンスを評価します
BACKDROPは、AIエージェントが動的で現実世界の環境でどれだけうまく機能するかをテストするための新しいベンチマークであり、エージェントの実行環境に日常的な危険を導入することで、その性能を評価しています。
01
根拠
- AarXiv cs.CL研究機関2026-10-02 12:00
Abstract: Agent benchmarks test agents in worlds that stay still. Deployed agents work in worlds that other people also change. Someone texts the agent to send…