DFAH-Bench：评测金融决策中可观测的 Agent 不稳定性

英文标题：DFAH-Bench: Benchmarking Observable Agent Instability in Financial Decision-Making

DFAH-Bench 是一项用于评测金融决策场景中 Agent 可观测行为不稳定性的回放基准。传统评测通常关注具备工具调用能力的 Agent 最终做出了什么决策，而较少检验其每次是否通过一致的过程得出该决策。该基准旨在衡量 Agent 在重复执行时的行为稳定性，为开发者评估金融类 Agent 的可靠性、可复现性与部署风险提供新的维度。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB