wuyang
28 lines
1.2 KiB
Markdown
28 lines
1.2 KiB
Markdown
# Agent Completion, Verification, and Recovery
|
||
|
||
这个研究单元回答的不是“哪个 Agent benchmark 分数最高”，而是：
|
||
|
||
1. Agent 如何证明任务真的完成；
|
||
2. evaluator 自己会怎样误判；
|
||
3. 验证失败后，Agent 是否能发现、定位、恢复并重新证明。
|
||
|
||
## Read Order
|
||
|
||
1. [研究结论](findings.md)：跨论文能够成立的一般结论、系统推论和未知问题。
|
||
2. [证据账本](evidence-ledger.md)：37 篇全文的关键数字、证据强度和外推边界。
|
||
3. [研究过程记录](../../experiments/knowledge-compilation/2026-07-27-agent-completion-research-audit.md)：
|
||
候选池、审计方法、排除项和本轮没有执行的工作。
|
||
|
||
网页阅读版：
|
||
|
||
- [Agent completion research document](https://agent-eval.k1412.top/)
|
||
- [Archived Agent Evaluation v1](https://agent-eval.k1412.top/evaluation-v1.html)
|
||
|
||
## Boundary
|
||
|
||
- 研究结论是当前的证据基线。
|
||
- “completion certificate / failure object / recovery router” 是跨论文综合出的候选设计，
|
||
不是已经完成的实现或实验结果。
|
||
- `research/evaluation/` 是面向 `zk-data-agent` 的工程合同；本单元先约束它应该测什么，
|
||
不证明当前 runner 已经存在或有效。
|