¿Sobreviven los juicios de verificación a la abstracción? Midiendo el transporte de verificación para la evaluación de agentes de LLM
Resumen del corpus
Se investiga la fiabilidad de los juicios de verificadores basados en LLM cuando la evidencia de ejecución cambia debido a diferentes niveles de abstracción. Se introduce el Transporte de Verificación para medir la estabilidad de estos juicios bajo cambios en la observabilidad de la ejecución. Los resultados indican que existen fallos significativos de transporte, sugiriendo que la precisión de la vista nativa no es suficiente para garantizar la fiabilidad del verificador.
Tags
Personas mencionadas
Noticia original