Anchor: Prevención de deriva de artefactos para verificación fiable de agentes

Resumen del corpus

Se presenta Anchor, un pipeline para construir benchmarks que formaliza especificaciones de flujos de trabajo empresariales en programas de optimización. Este sistema genera instrucciones, configuraciones de entorno y soluciones certificadas para evaluar agentes de IA. Se aplica a ERP-Bench, un benchmark de 300 tareas para flujos de trabajo de adquisición y fabricación. El objetivo es crear entornos de evaluación auditables cuyos verificadores coincidan con las tareas empresariales valiosas.