Contact
Algerie - Plateforme academique nationale
...
Préparez votre séjour scientifique

Laboratoire d’accueil · Lettre d’accueil · Orientation du dossier

En savoir plus

IA & Recherche · arXiv AI · publications

Partial Evidence Bench: Benchmarking Authorization-Limited Evidence in Agentic Systems

Extrait de la source

Cette page structure un contenu IA & recherche pour faciliter la lecture, la citation et la vérification par les chercheurs, étudiants et moteurs IA.

arXiv:2605.05379v1 Announce Type: new Abstract: Enterprise agents increasingly operate inside scoped retrieval systems, delegated workflows, and policy-constrained evidence environments. In these settings, access control can be enforced correctly while the system still produces an answer that appears complete even though material evidence lies outside the caller's authorization boundary. This paper introduces Partial Evidence Bench, a deterministic benchmark for measuring that failure mode. The benchmark ships three scenario families -- due diligence, compliance audit, and security incident response -- with 72 tasks total, ACL-partitioned corpora, oracle complete answers, oracle authorized-view answers, oracle completeness judgments, and structured gap-report oracles. It evaluates systems along four surfaces: answer correctness, completeness awareness, gap-report quality, and unsafe completeness behavior. Checked-in baselines show that silent filtering is catastrophically unsafe across all shipped families, while explicit fail-and-report behavior eliminates unsafe completeness without collapsing the task into trivial abstention. Preliminary real-model runs show model-dependent and scenario-sensitive differences in whether systems overclaim completeness, conservatively underclaim, or report incompleteness in an enterprise-usable form. The benchmark's broader contribution is to make a governance-critical agent failure measurable without human judges or contamination-prone static corpora.

Votre atelier DzCademia

Évaluer un jeu de données ou un benchmark

Un score n’a de sens qu’avec les données, la séparation entre apprentissage et test et les règles d’évaluation. Vérifiez la provenance, la licence, les catégories couvertes et les risques de recouvrement avec les données du modèle. Une performance sur ce benchmark ne suffit pas à démontrer une capacité générale.

Un exercice concret

Choisissez un sous-ensemble et décrivez ce qu’il mesure réellement. Comparez deux méthodes avec le même protocole et conservez les erreurs, pas seulement la moyenne des scores.

Repères de cette fiche
Sujet
Partial Evidence Bench: Benchmarking Authorization-Limited Evidence in Agentic Systems
Site source
arxiv.org
Date de publication à la source
2026-05-08
Date de collecte sur DzCademia
2026-05-08
Mon plan de préparation

Liste personnelle indicative, distincte des pièces ou règles officielles. Vos cases restent sur cet appareil ; aucun compte nécessaire.

0 / 5 étapes cochées

Consulter la source

Conseils et exercices DzCademia, distincts du résumé et des exigences de la source. Aide structurée avec assistance automatisée ; elle ne vaut ni validation scientifique ni promesse de sélection. Source consultée le 2026-10-28.

Voir la source originale

Source officielle ou originale : arXiv AI. Vérifiez toujours les détails sur la source primaire.

Retour IA & Recherche
369
Manifestations recensees
1419435
Visites cumulees
2141
Visites aujourd'hui