Luong Tuan Thanh, Abhijit Sanyal · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30924 · open-access PDF
La evaluación de los agentes de IA de la empresa necesita pruebas sobre si las suites de pruebas exponen fallos especificados y si sus reglas de referencia son fiables. Introducimos REGATTA (Evaluación Regulatoria de Agentes a través de pruebas y garantías en dos etapas), un marco de medición con tres instrumentos. Una lista de verificación citada por la fuente de 125 elementos abarca cinco células de la industria por jurisdicción en los Estados Unidos y Vietnam. Un corpus de fallos de 25 cubre cinco categorías, y una herramienta marca la detección de fallos a nivel de suite en las etapas de diseño y ejecución. Examinamos cuatro diagnósticos de medición en 180 suites generados (5.400 s).
Machine translation (Meta M2M100); the English original follows.
Enterprise AI-agent evaluation needs evidence about whether test suites expose specified faults and whether their reference rules are trustworthy. We introduce REGATTA (Regulatory Evaluation of Agents via Two-stage Testing and Assurance), a measurement framework with three instruments. A 125-item source-cited checklist spans five industry-by-jurisdiction cells across the United States and Vietnam. A 25-fault corpus covers five categories, and a harness scores suite-level fault detection at the design and execution stages. We examine four measurement diagnostics on 180 generated suites (5,400 s
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.30924, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange