Artykuł opublikowany na arXiv (2608.18081v1) kwestionuje tradycyjny sposób oceniania sztucznych agentów, wskazując, że podczas gdy systemy AI coraz bardziej działają jako systemy behawioralne, ich ewaluacja nadal koncentruje się przede wszystkim na wynikach końcowych. Autorzy argumentują, że takie podejście jest niewystarczające i nie ujawnia istoty procesów, które te wyniki generują.
Bazując na doświadczeniach z nauk behawioralnych, badacze proponują fundamentalną zmianę paradygmatu. Zamiast mierzyć sam sukces, należy poddawać agenty AI systematycznej obserwacji ich akcji, perturbacjom środowiska testowego i interpretacji ich zachowań. Takie podejście pozwoliłoby na głębsze zrozumienie, jak agenty podejmują decyzje i jak się adaptują do zmiennych warunków.
Proponowana agenda badawcza obejmuje kilka kluczowych kierunków: opracowanie metod do rekonstrukcji strategii decyzyjnych na podstawie sekwencji działań, tworzenie kontrolowanych środowisk umożliwiających izolowanie różnic behawioralnych między agentami oraz badanie emergentnych dynamik w systemach wieloagentowych. Autorzy upatrują w tym podejściu fundamenty dla przyszłej nauki zajmującej się zachowaniem systemów AI - dyscypliny brakującej w obecnym krajobrazie badań nad sztuczną inteligencją.