Tag: benchmarks

All the articles with the tag "benchmarks".

• 7.0

  BenchGuard: Who Guards the Benchmarks? Automated Auditing of LLM Agent Benchmarks

  2026年04月29日

  · arXiv cs.CL· 04/29 14:31 采集

  首个自动化 LLM Agent 基准审计框架，用前沿 LLM 系统性发现基准自身缺陷