LLM编码代理通过可能序列化、包装和重新分析模型输出的接口发出Bash命令。仅匹配的执行分数无法区分命令生成错误和生成后引入的失败。QuoteBench通过对来自14个事件派生家庭的56个一次性任务进行精确的最终状态验证来衡量这一边界，并与执行人员签订发电合同

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.13547v1)获取最准确的信息。

---
🔗 **原文链接**: [QuoteBench: How Matched Scores Can Hide Command-Path Failure](https://arxiv.org/abs/2608.13547v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Shangao Li, Yao Zhang, Volker Tresp, Yuanyuan Yang

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-14 14:02