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

该论文研究的是「工具型智能体（tool-using agent）行为轨迹的安全判定」这一评测环节本身的可选方案问题。背景是：对会调用外部工具的智能体做安全评估，必须结合上下文判断每一步动作是否构成风险；当前主流做法是让生成式大模型充当裁判（

历史摘要 · 未重新核验 · arXiv cs.CR