面向智能体评测的信任层框架：仅 22.6% 的基准测试通过记录完全可信

研究团队提出了面向智能体评测的信任层框架（Trust Layer for Agent Evaluation），在基准测试分数旁独立核验得分是否真实可信。该框架基于保存工件与重跑记录，核验评分逻辑一致性、计算过程可追溯性、完成声明真实性以及重复运行稳定性。