审计智能体需同时追踪所用证据与最终答案。
资讯摘要
论文提出BioAgent-DF，用同一科学计算位点上成对的参考值与候选值，检验智能体在结论不变时是否读取并引用不同证据。在八个SciFact批次中，Qwen3.5-4B在三种捕获-声明组合下出现可重复的引用变化，Gemma 3 4B IT在四种组合下出现读取与引用变化。hERG心脏安全性实验中，静默数值故障改变了测试决策，恢复执行状态并补充认证分数后，39项被改变的决策全部恢复。
要点速读
- BioAgent-DF通过恢复或移植原始坐标上的数值，在正常硬件上运行智能体，以区分证据使用与最终结论。
- Qwen3.5-4B与Gemma 3 4B IT在部分组合中出现可重复的引用或读取变化，完整恢复可还原参考证据集而结论不变。
- hERG实验中恢复执行状态并补充认证分数后，39项被改变的决策全部恢复；流式算术检查使前向执行与验证总时间较原FP64实现减少42.4%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。