评测与基准arXiv:2610.04575 · 10月3日论文提出 Operational Validity Contract，审计激活监控从探针分数到告警策略的有效性提出操作有效性契约，审计激活监控从探针分数到告警策略的有效性测试Qwen2.5-7B-Instruct、Llama-3.2-3B、Qwen2.5-7B 等 4 个·应用层场景AI Agent监控与审计监控器摘要论文建立从探针得分到警报策略的审计框架，实证表明高 AUROC 不等于部署有效性，仅支持受限预测价值。这篇论文系统评估了大模型智能体激活监控器从离线探针得分向在线警报策略跨越时的统计与操作有效性。完整解读