Luong Tuan Thanh, Abhijit Sanyal · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30924 · open-access PDF
L'évaluation de l'agent d'intelligence artificielle d'entreprise a besoin de preuves sur la question de savoir si les suites d'essai exposent des défauts spécifiés et si leurs règles de référence sont fiables. Nous introduisons REGATTA (Évaluation réglementaire des agents par l'intermédiaire de l'évaluation et de l'assurance en deux étapes), un cadre de mesure avec trois instruments. Une liste de contrôle citée par la source de 125 éléments s'étend sur cinq cellules de l'industrie par juridiction aux États-Unis et au Vietnam. Un corpus de défauts de 25 couvre cinq catégories, et un dispositif de détection de défauts au niveau de la suite aux étapes de conception et d'exécution. Nous
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