JEV as a Judge for Agent Trace Security: An Empirical Comparison with Generative LLM Judges

arXiv cs.CR · 29 sept, 06:00

Un estudio compara JEV, un modelo de decisión tipado, con jueces LLM generativos para evaluar la seguridad de agentes que usan herramientas. JEV logra un F1 de 77,8 frente a 74,1 del mejor generativo, con menor latencia y coste, pero con diferentes compromisos en precisión según el conjunto de datos.