AgentWorld: Personality-Aware Reliability Evaluation for Agentic Information Retrieval

AgentWorld 用 OCEAN 人格驱动用户群体，配合状态化工具、pass^k、部分得分和双重交接验证，覆盖脚本测试遗漏的上下文漂移。三组实验包含 10 种人格和 240 次判断；Risk Analyser 归因显示系统层攻击 46%、动作层 38%，并测到 0.27 分质量缺口，说明一致性与抗扰动是两种不同指标。