Saltar al contenido principal
PREreviews
-
Karmendra Pandey revisó (Why) Is My Prompt Getting Worse? Rethinking Regression Testing for Evolving LLM APIs
- Software
- Sistemas de Información
- Redes y Comunicaciones por Computadora
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Where Does Agent Reliability Come From? A Cross-Benchmark Decomposition of Verification Loops, Specialist Models, and Scaffolding in a Production Enterprise Agent
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Memory Control Signals Emerge Before Action in Long Horizon Agents
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Sandlock: Confining AI Agent Code with Unprivileged Linux Primitives
- Inteligencia Artificial
- Sociología y Ciencia Política
- Redes y Comunicaciones por Computadora
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Beyond Static Sandboxing: Learned Capability Governance for Autonomous AI Agents
- Inteligencia Artificial
- Sociología y Ciencia Política
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Orchestrating Intelligence: Confidence-Aware Routing for Efficient Multi-Agent Collaboration across Multi-Scale Models
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó REAP: Automatic Curation of Coding Agent Benchmarks from Interactive Production Usage
- Sistemas de Información
- Software
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Where Does Agent Reliability Come From? A Cross-Benchmark Decomposition of Verification Loops, Specialist Models, and Scaffolding in a Production Enterprise Agent
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Beyond Static Sandboxing: Learned Capability Governance for Autonomous AI Agents
- Inteligencia Artificial
- Sociología y Ciencia Política
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Where Does Agent Reliability Come From? A Cross-Benchmark Decomposition of Verification Loops, Specialist Models, and Scaffolding in a Production Enterprise Agent
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó What AI Benchmarks Actually Measure: Adapting Convergent and Discriminant Validity to Interrogate Fifty-Six AI Benchmarks
- Investigación sobre Seguridad
- Inteligencia Artificial
- Ciencia de la Gestión e Investigación de Operaciones
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó What Should an Agent Remember? Disentangling Retention from Retrieval in Bounded-Memory Evaluation
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Efficient Benchmarking in Production: A Study of an Evolving LLM Agent
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Towards a Science of AI Agent Reliability
- Inteligencia Artificial
- Seguridad, Riesgo, Confiabilidad y Calidad
- Investigación sobre Seguridad
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Towards a Science of AI Agent Reliability
- Inteligencia Artificial
- Seguridad, Riesgo, Confiabilidad y Calidad
- Investigación sobre Seguridad
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó TRACER: Trace-Based Adaptive Cost-Efficient Routing for LLM Classification
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Measured Joules, Learned Routes: Learning to Route for Energy-Efficient LLM Serving
- Ingeniería Eléctrica y Electrónica
- Hardware y Arquitectura
- Inteligencia Artificial
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó COMED: The Missing Middle Between Routing and Collaboration in Multi-LLM Inference
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Planner-as-Router: Joint Plan-Time Model Routing for Cost-Efficient Multi-Agent Workflows
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Pretrain Once, Route Anywhere: Towards a Foundation Model for LLM Routing
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó RSI-Router: Evolving Subtask-Level LLM Routing and Skills for Cost-Efficient Agents
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó The Complexity Trap: Simple Observation Masking Is as Efficient as LLM Summarization for Agent Context Management
- Sistemas de Información
- Inteligencia Artificial
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó FlexRouter: Learning Complementary Model Sets for Flexible LLM Routing
- Inteligencia Artificial
- Sistemas de Información
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks
- Sistemas de Información
- Inteligencia Artificial
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Routing Should Pay for Itself: Sparse Supervision for Economical LLM Routing
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó You Cannot Pick a Provider From the Price List: Market-Aware Routing for Open-Weight LLM Inference
- Redes y Comunicaciones por Computadora
- Ingeniería Eléctrica y Electrónica
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Who judges the judges? Governance from metrics: a runtime framework for continuous LLM compliance monitoring
- Investigación sobre Seguridad
- Inteligencia Artificial
- Informática de la Salud
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó Argo-Bench: Evaluating Data Agents on Enterprise-Scale Workflows
- Sistemas de Información de Administración
- Sistemas de Información y Gestión
- Ciencia de la Gestión e Investigación de Operaciones
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents
- Sistemas de Información
- Software
- Inteligencia Artificial
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó When Drift Detectors cry Wolf: False Alarm Rates in continuous ML Monitoring
- Revisión publicada
- Servidor de preprint
- arXiv
-
Karmendra Pandey revisó RepoRescue: An Empirical Study of LLM Agents on Whole-Repository Compatibility Rescue
- Sistemas de Información
- Sistemas de Información y Gestión
- Aplicaciones de Ciencia Computacional
- Revisión publicada
- Servidor de preprint
- arXiv