Newest papers

AgenTest: Mining Business Rules to Test LLM Agents for Business Logic Bugs

Lili Quan, Longtian Wang, Yuelin Wang, Mingfei Cheng, Chao Shen, Sen Chen, Xiaofei Xie · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28116 · open-access PDF

Hindi

बड़े भाषा मॉडल (एलएलएम) एजेंट तेजी से उपकरणों के माध्यम से व्यावसायिक संचालन को निष्पादित करते हैं और अनुप्रयोग डेटा और सेवाओं के साथ सीधे बातचीत करते हैं। उपयोगकर्ता अनुरोधों को पूरा करने के अलावा, इन एजेंटों को डोमेन-विशिष्ट व्यावसायिक नियमों का पालन करना चाहिए जो प्रतिबंधित करते हैं कि कार्यों को कब अनुमति दी जाती है और किन डेटा या संसाधनों को प्रभावित किया जा सकता है। ऐसे नियमों का उल्लंघन व्यावसायिक तार्किक बगों का कारण बन सकता है, यहां तक कि जब एक कार्य सफल दिखता है। इन बगों का पता लगाना मुश्किल है क्योंकि नियम स्पष्ट, परीक्षण योग्य विनिर्देशों के रूप में शायद ही उपलब्ध हैं।

Machine translation (Meta M2M100); the English original follows.

Abstract

Large language model (LLM) agents increasingly execute business operations through tools and interact directly with application data and services. Beyond completing user requests, these agents must obey domain-specific business rules that constrain when actions are permitted and what data or resources may be affected. Violating such rules can lead to business logic bugs, even when a task appears successful. Detecting these bugs is difficult because the rules are rarely available as explicit, testable specifications. They are distributed across system prompts and tool definitions, while others

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange