Buchumschlag

The Necessity of a Unified Framework for LLM-Based Agent Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Pengyu, Sun, Li, Yu, Philip S., Su, Sen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Unified Framework for the Evaluation of LLM Agentic Capabilities
von: Zhu, Pengyu, et al.
Veröffentlicht: (2026)

DemonAgent: Dynamically Encrypted Multi-Backdoor Implantation Attack on LLM-based Agent
von: Zhu, Pengyu, et al.
Veröffentlicht: (2025)

Exploring the Necessity of Reasoning in LLM-based Agent Scenarios
von: Zhou, Xueyang, et al.
Veröffentlicht: (2025)

EnvSimBench: A Benchmark for Evaluating and Improving LLM-Based Environment Simulation
von: Liu, Yi, et al.
Veröffentlicht: (2026)

ODESteer: A Unified ODE-Based Steering Framework for LLM Alignment
von: Zhao, Hongjue, et al.
Veröffentlicht: (2026)

WiS Platform: Enhancing Evaluation of LLM-Based Multi-Agent Systems Through Game-Based Analysis
von: Hu, Chengwei, et al.
Veröffentlicht: (2024)

BackdoorAgent: A Unified Framework for Backdoor Attacks on LLM-based Agents
von: Feng, Yunhao, et al.
Veröffentlicht: (2026)

LUMIR: an LLM-Driven Unified Agent Framework for Multi-task Infrared Spectroscopy Reasoning
von: Xie, Zujie, et al.
Veröffentlicht: (2025)

Leveraging LLMs as Meta-Judges: A Multi-Agent Framework for Evaluating LLM Judgments
von: Li, Yuran, et al.
Veröffentlicht: (2025)

Swarm Intelligence Enhanced Reasoning: A Density-Driven Framework for LLM-Based Multi-Agent Optimization
von: Zhu, Ying, et al.
Veröffentlicht: (2025)

ClawTrace: Cost-Aware Tracing for LLM Agent Skill Distillation
von: Yuan, Boqin, et al.
Veröffentlicht: (2026)

Agent Data Protocol: Unifying Datasets for Diverse, Effective Fine-tuning of LLM Agents
von: Song, Yueqi, et al.
Veröffentlicht: (2025)

Unifying Invariant and Variant Features for Graph Out-of-Distribution via Probability of Necessity and Sufficiency
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

UniToolCall: Unifying Tool-Use Representation, Data, and Evaluation for LLM Agents
von: Liang, Yijuan, et al.
Veröffentlicht: (2026)

Is Your LLM Secretly a World Model of the Internet? Model-Based Planning for Web Agents
von: Gu, Yu, et al.
Veröffentlicht: (2024)

GVGAI-LLM: Evaluating Large Language Model Agents with Infinite Games
von: Li, Yuchen, et al.
Veröffentlicht: (2025)

Evolutionary Perspectives on the Evaluation of LLM-Based AI Agents: A Comprehensive Survey
von: Zhu, Jiachen, et al.
Veröffentlicht: (2025)

Towards Security-Auditable LLM Agents: A Unified Graph Representation
von: Li, Chaofan, et al.
Veröffentlicht: (2026)

Unifying Temporal and Structural Credit Assignment in LLM-Based Multi-Agent Prompt Optimization
von: Li, Wenwu, et al.
Veröffentlicht: (2026)

Locomo-Plus: Beyond-Factual Cognitive Memory Evaluation Framework for LLM Agents
von: Li, Yifei, et al.
Veröffentlicht: (2026)

Seeking the Sufficiency and Necessity Causal Features in Multimodal Representation Learning
von: Chen, Boyu, et al.
Veröffentlicht: (2024)

GKG-LLM: A Unified Framework for Generalized Knowledge Graph Construction
von: Zhang, Jian, et al.
Veröffentlicht: (2025)

The Explanation Necessity for Healthcare AI
von: Mamalakis, Michail, et al.
Veröffentlicht: (2024)

Model-Adaptive Tool Necessity Reveals the Knowing-Doing Gap in LLM Tool Use
von: Cheng, Yize, et al.
Veröffentlicht: (2026)

LifelongAgentBench: Evaluating LLM Agents as Lifelong Learners
von: Zheng, Junhao, et al.
Veröffentlicht: (2025)

Advancing Healthcare Automation: Multi-Agent System for Medical Necessity Justification
von: Pandey, Himanshu, et al.
Veröffentlicht: (2024)

LLM4Vuln: A Unified Evaluation Framework for Decoupling and Enhancing LLMs' Vulnerability Reasoning
von: Sun, Yuqiang, et al.
Veröffentlicht: (2024)

ConflictBank: A Benchmark for Evaluating the Influence of Knowledge Conflicts in LLM
von: Su, Zhaochen, et al.
Veröffentlicht: (2024)

Taxonomy, Evaluation and Exploitation of IPI-Centric LLM Agent Defense Frameworks
von: Ji, Zimo, et al.
Veröffentlicht: (2025)

Separating Diagnosis from Control: Auditable Policy Adaptation in Agent-Based Simulations with LLM-Based Diagnostics
von: Zhong, Shaoxin, et al.
Veröffentlicht: (2026)

InnovatorBench: Evaluating Agents' Ability to Conduct Innovative LLM Research
von: Wu, Yunze, et al.
Veröffentlicht: (2025)

ChainStream: An LLM-based Framework for Unified Synthetic Sensing
von: Liu, Jiacheng, et al.
Veröffentlicht: (2024)

A Survey on LLM-Generated Text Detection: Necessity, Methods, and Future Directions
von: Wu, Junchao, et al.
Veröffentlicht: (2023)

Interactional Fairness in LLM Multi-Agent Systems: An Evaluation Framework
von: Binkyte, Ruta
Veröffentlicht: (2025)

Evaluating Multi-Turn Bargain Skills in LLM-Based Seller Agent
von: Wang, Issue Yishu, et al.
Veröffentlicht: (2025)

Graph-of-Agents: A Graph-based Framework for Multi-Agent LLM Collaboration
von: Yun, Sukwon, et al.
Veröffentlicht: (2026)

MCPHunt: An Evaluation Framework for Cross-Boundary Data Propagation in Multi-Server MCP Agents
von: Li, Haonan, et al.
Veröffentlicht: (2026)

MRGAgents: A Multi-Agent Framework for Improved Medical Report Generation with Med-LVLMs
von: Wang, Pengyu, et al.
Veröffentlicht: (2025)

AI Planning Framework for LLM-Based Web Agents
von: Shahnovsky, Orit, et al.
Veröffentlicht: (2026)

MemoCue: Empowering LLM-Based Agents for Human Memory Recall via Strategy-Guided Querying
von: Zhao, Qian, et al.
Veröffentlicht: (2025)