Siris: LLM'ler simülasyon hatalarının tasarım kararlarını ne zaman bozduğunu ayırt edebilir mi?
Siris, yapay zeka ajanlarının simülatör hatalarının tasarım kararlarını ne zaman etkilediğini ayırt edip edemediğini test eden bir çerçevedir. On üç sınır modelin değerlendirildiği çalışmada, sınırlamayı bilmek doğru seçimi garanti etmediği ve inceleme turunun yeni hatalar doğurabildiği görülmüştür.