速報 DFAH-Bench 新基準揭密：AI 金融代理人表面決策一致，內部行為卻大相徑庭 一項來自 ArXiv 的研究指出，現行評估標準僅關注 AI 代理人的最終決策是否一致，卻忽略了其決策過程的穩定性。研究團隊推出 DFAH-Bench，這是一個透過重播（replay）來評估金融代理人行為穩定性的新基準。該基準從工具呼叫軌跡、證據接觸點與決策集中度三個面向，衡量代理人的行為是否一致，且無需讀取內部推理文字。
