ECN-BENCH: Design, Systems Engineering, and a Forensic Audit of Multi-Agent Forecasting
Het ECN-BENCH-artikel presenteert een systeemtechnische audit van een multi-agent forecasting testbed, die onthult dat op LLM gebaseerde waarschijnlijkheidsextractie zeer gevoelig is voor configuratiekeuzes en de selectie van de evaluator, waardoor de betrouwbaarheid van bijna uniforme voorspellingen wordt ondermijnd en de statistische significantie van vergelijkende prestatieresultaten wordt beperkt.