Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Khalifa, Muhammad, Logeswaran, Lajanugen, Kim, Jaekyeom, Sohn, Sungryull, Zhang, Yunxiang, Lee, Moontae, Peng, Hao, Wang, Lu, Lee, Honglak
Formato:	Preprint
Publicado:	2026
Materias:	Artificial Intelligence Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2601.14691