Brier 分數

深度分析

BTF-2：以離線封存語料與 ReAct 代理人評估戰略推理能力

本研究建立BTF-2離線基準以還原問題發生時可得資訊。透過代理人自動搜索、閱讀與完整推理軌跡，比較離線與現場網路基準並量化微小Brier差異。結果指出改良預測器準確度較最強前沿代理提高0.011Brier，關鍵在於更完整的事前失效分析與盲點修正。