Learning Correct Behavior from Examples: Validating Sequential Execution in Autonomous Agents

Ein neuer Algorithmus wird vorgestellt, der korrektes sequentielles Verhalten aus nur 2-10 Ausführungsspuren lernt, um neue Ausführungen in autonomen Agenten zu validieren. Er kombiniert Dominator-Analyse mit multimodaler LLM-gestützter semantischer Verständnisfähigkeit, um ein verallgemeinertes Grundwahrheitsmodell zu erstellen und Produktfehler mit hoher Genauigkeit zu erkennen.